机器学习——GAN4

机器学习——GAN4(InfoGAN)

InfoGAN的内容：
存在一个可以预测出生成图片x的code（c）的Classifier
如果没有Discriminator，则generator可能不会生成正常图片，而是只生成能让classifer认出的图片

C的每一个维度都必须对x有很明确的影响。
z代表纯粹随机，无法解释的东西

VAE-GAN

BiGAN

使用这种方法相比下面的方法，两者特性很大区别，auto-encoder语义捕捉清晰，但是图片可能不清晰。

Triple GAN

利用GAN增加training data

Domain-adversarial training

当training 与testing数据在不同domain中时，直接训练效果会很差：

通过generator提取feature，feature会反应同样的distribution
同时保证domain classifier无法分辨且label predictor保证好的结果：

Feature Disentangle

Intelligent photo edit

利用encoder来实现generator的逆推，通过图像得到生成这张图象需要的vector——z




使图像更加清晰：