text to image
传统做法的问题在于会取得很多正确结果的平均,有些会很模糊,有些产生的并不正确。
引入GAN之后,我们在图片生成里面加入条件,也会有一些问题
因此,我们需要在判别器的input也加入条件
这个网络架构有两种
得到的实验结果
image to image
输入几何图片生成真实的图片
传统的做法,和text to image的传统做法错误类似
引入GAN的做法之后
Patch GAN
在判别的时候,当图片太大时,效率会很低,可以选择一块一块的进行判断,但是这个patch的大小也是很重要的
speech enhancement
同时GAN也可以用在语言上面去杂音
传统的做法
引入GAN之后
video generation
预测电影接下来会发生什么事情