一、VAE-GAN简介
下图展示了VAE-GAN的大体框架。
所谓“人如其名”,在给gan命名的时候也是如此。VAE-GAN就是VAE和GAN的结合体。
VAE:包含encoder和decoder两部分。
- encoder的作用是编码,也就是将输入的图片image1转换成向量vector
- decoder的作用是解码,也就是将向量vector转换成图片image2
其中,image1和image2要尽量相同,原因是我们希望对同一个东西进行编解码后的产物仍然是自己。
GAN:包含generator和discriminator - generator:就是VAE的decoder,将向量vector转化为image
- discriminator: 评判generator产生的image是realistic还是fake,给出一个scalar(分数或者可能性或者二分类结果)
下面说一下算法的大致运作流程:
- 初始化encoder,decoder,discriminator(其实就是三个神经网络)
- 迭代更新:
·从database中随机采样,x1,x2,xM
·x1,x2,xM输入到encoder中,产生z’ = En(x)
·将z’1,z’2,z’M输入到decoder中&#x