GAN ZOO - 第1节： 分析GAN的缺陷与改进方向，介绍典型的改进模型：CGAN、InfoGAN

 

0. “GAN ZOO”系列文章开更说明

    GAN到底有多“热”？

    据统计，GAN的相关论文正在以指数趋势增长，如上图所示。

    But，

    GAN论文这么多，而且都是英文的，怎么可能读得完！

    为此，“AI微刊”团队将推出“GAN ZOO”系列文章，精选典型GAN模型（没有水论文），对其进行精简的解析，让你“三分钟”读完一篇论文。

    适合初学小白，也适合大牛持续追踪热度。

    再不GAN，我们就老了！

——AI 微刊《GAN ZOO》

 

 

GAN ZOO - 第1节：

分析GAN的缺陷与改进方向，介绍典型的改进模型：CGAN、InfoGAN

 

本文是“GAN ZOO”系列第一篇，将为您：

• 剖析原始GAN的原生缺陷以及改进方向！
• 介绍经典模型：条件GAN（CGAN）与InfoGAN。

 

---

1. 原始GAN (Primary GAN )：GAN源于神奇的零和博弈，但也存在许多原生缺陷

本论文首次发表于2014.6.10

                                                               

1.1 原始GAN的原理

1.1.1 原始GAN的思想：

    GAN基于博弈论中零和博弈的思想，通过生成网络G（Generator）和判别网络D（Discriminator）相互博弈，进而使G学习到样本的数据分布：

• G是一个生成网络，接收随机噪声z，并将其拟合为样本；
• D是一个判别网络，判断样本是真实样本x，还是G生成的假样本G(z);

    训练过程中，G生成尽可能“接近真实”的样本来欺骗D，而D尽量辨别给出的样本是真样本x还是假样本G(z)，双方动态“博弈”，最终达到纳什均衡点。

1.1.2 原始GAN的模型

    GAN损失函数：

    GAN算法流程：