李宏毅GAN课程（一）

Introduction

1. basic idea of GAN
2. GAN as structure learning
3. Can Generator learn by itself
4. Can Discriminator generate
5. a little bit theory

• 随机向量输入vector，$G$图像输出；$D$判别真实图像与生成图像，越接近于1，训练越好
• 调参过程：fix $G$, 先调整$D$使输出尽可能高；fix$D$，调$G$使$D$输出尽可能高
• 类似结构学习方法（不同于分类与回归），输出可以是未知类别，类似one-shot, zero-shot learning思想
• 生成器自学，输入采用AE, VAE的编码器输出
• 判别器生成，假使找到函数生成质量越来越高的虚假图像用以自我训练，过程类似马尔可夫
• VAE编码器的输出不止vector，还有variance，使得对噪声鲁棒