《Image Generation with PixelCNN Decoders》论文笔记

论文背景：Google Deepmind团队于2016发表在NIPS上的文章

motivation：提出新的image generation model based on pixelCNN[1]架构。可以为任意输入vector结合标签生成图片，在先验信息的前提下加入条件分布信息

模型关键：根据链式条件概率，逐行生成，逐像素点生成

相对于GAN的优势：

• GAN只善于处理连续数据，pixelCNN对连续数据和非连续数据都能很好perform
• 链式likelihood表达可以比GAN更好的提供生成目标的评价系统，虽然也不尽完美

 

相对于GAN的劣势：

1. 训练速度慢得吓死人，openAI基于CIFR dataset 收敛需要8块Titan上train 5天，直接打消本穷人的训练欲望
2. sample quality明显不如GAN。

1.Aaron van den Oord, Nal Kalchbrenner, and Koray Kavukcuoglu. Pixel recurrent neural networks. arXiv

preprint arXiv:1601.06759, 2016.

转载于:https://www.cnblogs.com/punkcure/p/7821229.html