1. GAN简述
Encoder将image的特征提取出来,但是要Decoder变成一张图才能训练,所以这里的Decoder就是Generator(用code产生image)
Variational Auto-encoder 在生成code的时候,加入了噪音,比Auto-encoder更加稳定
一些效果好的样本(如人绘制的),一些不好的样本(如随机生成的噪音)
Discriminator对positive examples高分,给negatives examples低分
然后根据Disciminator得到的特征,Generator生成新的image,更新negatives examples
再反复迭代
2. Conditional GAN
传统监督方法算出来的结果会很模糊,因为同一张image会产生很多房子,最后的结果是个平均值
GAN的结果会清晰很多,但是会多一些奇怪的东西
再加约束时,把和原图相似的约束加进去