论文笔记（一）【 Disentangled Representation Learning GAN for Pose-Invariant Face Recognition】

论文地址：论文

大体分为两部分，第一部分是自己读文章时的记录，第二部分是自己总的感想。

一、论文概述：

1、在摘要中提出了DR-GAN的名字，给出了论文的三个创新点。

（1）通过generator 的encoder-decoder框架学习了生成和判别的表示（representation）；

（2）这种表示是从姿态这种人脸变量得出。姿态（pose）代码传输到decoder，姿态的估计（estimation）传给了判别器；

（3）DR-GAN可以输入一张或者多张照片，并且根据随机的合成图片生成统一的表示。

2、根据figure1，在discriminator和generator都可以生成身份标识，可以根据姿态代码生成特定身份的人脸。

endoder输入的是任意角度的人脸，decoder合成目标角度的人脸。G起到了人脸旋转的作用。D不仅比较真实图片和合成图片，而且输出身份和角度。因此，G需要做到：（1）旋转的图片跟输入的图片的身份一样；（2）学到的表示应该更具有多样性。