一、基本概念
与传统GAN最大区别是生成与给定条件有关的合成数据,传统的生成对抗网络(GAN)由生成器和判别器组成,通过对抗训练的方式学习生成真实样本类似的合成样本。然而,条件生成对抗网络引入了额外的条件信息,使得生成器可以根据给定的条件生成与之相关的样本。
可以简单理解为,传统GAN只能检查生成的object是否真实,但是conditional GAN还可以检查生成的object是否满足要求的条件。
二、Conditional GAN
2.1 generator
在text-to-image中,新的generator输入除了传统由分布生成的向量外,还有输入的condition c
2.2 discriminator
新的discriminator判断结果是否真实由 生成的图像x是否真实以及x和c是否匹配 决定
目前有两种训练discriminator的方法,第一种是:
另一种则同时可以表示x是否真实以及c和x是否匹配