GAN算法学习2——Conditional GAN

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