A Survey about GAN

GAN

生成器的目的是捕获样本分布,鉴别器的目的是区分数据是来自于样本还是生成器。他们俩的two-player min-max目标函数表示为

 Conditional GAN

生成器和鉴别器都以额外的信息y作为条件的生成对抗网络,就称为Conditional GAN。y可以是任何形式的辅助信息,例如类标签或者来自其他模态的样本。Conditional GAN的two-player min-max目标函数表示为

Cycle GAN

 上图向我们展示了何谓成对匹配好的训练数据和不成对的训练数据。Cycle GAN正是为了解决不成对的图像与图像之间的转化。

Cycle GAN在介绍GAN的时候指出GAN成功的关键在于提出了对抗损失的思想,迫使生成图像的分布和真实图像的分布不易区分开来。

在介绍数学推导之前,描述变量含义:XY表示两个域,\left \{ x_i \right \}^N_{i=1}\left \{ y_i \right \}^N_{i=1}表示不成对的训练样本。

Cycle GAN有两个生成器,GX映射到YFY映射到X;有两个鉴别器,D_x区分图像\left \{ x \right \}和转化来的图像\left \{ F(y) \right \}D_y区分图像\left \{ y \right \}和转化来的图像\left \{ G(x) \right \}

 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值