（三）使用生成对抗性网络(GAN)的“深度伪造”（“Deep Fakes” using Generative Adversarial Networks）2014

（三）使用生成对抗性网络(GAN)的“深度伪造”（“Deep Fakes” using Generative Adversarial Networks）

paper：“Deep Fakes” using Generative Adversarial Networks (GAN) 2014

code：

“Deep Fake”是一种基于人工智能的图像合成技术，比传统的图像到图像的是转换更加强大，不需要成对的训练数据集（pair training data）就可以生成图片。“deep fake”的目的是从一组已存在的图像中获取共同的特征，并找到一种赋予其他图像这些特征的方法，例如形状和样式。生成对抗性网络(GANS)为我们提供了一种实现“deep fake”的有效途径。

• 采用Cycle-GAN network，由两个GAN网络组成，损失函数由两部分：(1)生成器部分的LOSS为LG（包含循环一致性损失Lcyc，保证图片在输入输出的映射是合理的）(2)鉴别器的LOSS为LD。通过迭代计算和反向传播这两个loss训练Cycle-GAN
• Cycle-GAN实现目标转换和风格转换两个目标：（1）目标转换：相互转化手袋和背包的图像（2）风格转换：艺术照的转换，eg梵高油画和秋叶。使用pytorch框架生成的图像效果好。

Section 1：introduction

    

• 图像到图像的转换