【GAN 04】可解释性GAN

本文是对http://www.seeprettyface.com/research_notes.html的学习笔记

 

不想让GANs随机生成图片，希望通过控制输入的参数去生成特定的图片。例如：在手写数字图片的生成中，希望通过输入，控制数字，高度以及形状等。但为输入的某一维度，对输出的影响是不清楚的。

 

1. InfoGAN：可解释的GAN

人为要求输入向量对输出影响要明确。把输入的向量z拆分为子向量c和子向量z'，我们希望输出包含c的信息，即我们可以通过一个classifier提取出c的信息，同时为保证输出图像x的真实度，增加一个判别器，判断图像x的real/fake（感觉和StarGAN很像，只不过StarGAN把classifier和detector合并为一个判别器：输入一张图片，输出real/fake，以及图片所属的domain，并且每个domain的语义是清晰的）。

但是我们依旧无法人为的控制图片的某些部分，只能通过输入图片和classifier去学习，在特征差异最大的地方做划分。最后通过实验去理解向量c的作用。