目前有很多效果不错的GAN可以做人脸translation，下面三个（StarGAN有点老，大概一年前吧）很有意思，值得借鉴。
TL-GAN
直接使用GAN，后面接一个特征鉴别网络，来提取潜空间变量的意义，这样就可以控制潜空间变量生成图像。缺点是只能生成，不能从原图像转换。TL-GAN使用了一个预训练MobileNet，然后接了GlobalAveragePooling2D和全连接，训练面部属性鉴别。
StarGAN
相当于训练一个多任务网络，输入原始图像和属性标签向量，生成的图像由鉴别器输出属性向量来得到损失。
AttGAN
类似于StarGAN，但是它把属性向量加到编码器输出z上，这样相当于希望学到一个编码器能输出中性的z，然后加入属性向量，再由解码器来生成带属性的图片。这是一个独特的思路。
（后两个本质上不能算作GAN，参见《VAE的哲学，GAN的哲学》）
1146
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
