1、文献创新及贡献:
在使用GAN网络的同时,对生成器和判别器,同时引入额外标签y,增加条件,使GAN网络能更好的朝向作者所设计的方向运行。
2、文献设计思路及过程
GAN网络中,生成器是在一系列的噪声中生成目标图像,往往所生成的图像具有较强的不可控性,引入一个标签Y,可以使得噪声在经过生成器的时候,转换成所需要的目标图像。然而仅仅是对生成器引入标签,往往是不够的,判别器的作用是用来检测所生成的图片是否趋向于真实图像,仅仅是检测了图片的质量,对于图像的生成并未做更多的要求,因此给判别器在引入真实数据的同时也同样引入标签信息Y,就可以对所判别的图片进行分类判别。然而往往现实生活中需要处理的并不仅仅只是图像,还有语音模式,将语音模块与图像模块放置在一起的时候,单通道的传输已经无法满足要求。将语音和图像结合,生成出来的图像,才是作者想要得到的图像。
3、GAN与CGAN的比较
GAN网络公式
CGAN网络公式
通过以上两个式子可以看出,CGAN相对GAN网络来说就是在生成器与判别器中加入了额外标签Y。
4、CGAN网络结构
原文中所给的CGAN的网络的结构如上所示。
5、个人思考以及对文章的理解
对于CGAN文章来说,文章的篇幅很短暂,主要是介绍了一种引入额外标签的思想,为以后的工作提供了一定的思路,在以后的阅读中可以看出来,很多的文献都是在CGAN网络上进行精进。