Info GAN:
在GAN的生成器中,输入一个随机向量,可生成一副图像。向量和图像间的关系可以理解为某种映射,也可以视作向量是图像的特征(尽管可能是隐形的)。为了能找到向量中每个元素/特征和生成图像间的关系,希望元素的改变对图像的影响是有规律可循的,但是一般这种规律是不直观的,如下图所示:
Info GAN就是针对该问题进行的改进:
1. 生成器的输入随机向量
由两部分组成:
和
(都是向量),生成器
要学到
中每一个元素对图像生成的影响(
的每一个维度都表示图像的某个特征),
就是纯随机向量;
2. 训练一个分类器:根据生成器
的输出
预测其对应的生成器
的输入中的
;
3. 生成器和分类器
构成一个
,和普通的
功能刚好相反:从编码向量生成图像,再解码回向量;
4. 如果仅训练生成器和分类器
,生成器会将
直接附加到输出图像中(导致图像不真,质量有问题),便于分类器
直接还原出
,因此同时训练判别器监督生成图像的真实性。