Conditional GAN
本节介绍Conditional GAN,相关的pdf和video。
最初的GAN是输入随机向量,输出一幅图像,这样的话,生成的图像是随机的,不可控的。
Conditional GAN是在输入的地方加上条件限制,譬如,配上文字介绍,生成的图像就是与文字相关的图像
传统的supervised learning训练文字生成图像
右上角是准备的训练数据(也就是文字描述
与图像
的pairs),下面是使用传统的监督学习方法训练模型。
![在这里插入图片描述](https://img-blog.csdnimg.cn/20191015091632998.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2R1cGVp,size_16,color_FFFFFF,t_70)
传统监督学习方法的缺点:
对于火车图像而言,训练集中可能有多种,最后生成的火车,会是模糊不清的。
使用Conditional GAN的方法