目录
Feature Extraction
因为我们很难从输入和输出中找到关联,每一列都改变了输入的某个维度,就像图中的7,会多出一个小尾巴
1.What is infoGAN
经过Generator后,得到一个生成数据,把生成数据丢到一个分类器中,分类器要从生成数据中反推出原输入的c
2.对比效果
3.VAE-GAN
从VAE的角度来看:如果只是VAE追求输入x和decoder还原的x之间的reconstruction error的最小化,那么得到结果是不真实的,从GAN的角度来看:Generator是看过真实的图片,并且要以还原真实图片为目标的,所以GAN更稳
4.BiGAN
让Encoder和Decoder完全分开
5.Algorithm
6.Triple GAN
蓝色是Discriminator,黄色是Generator,绿色是Classifier。
7.Domain-adversarial training
此处需先训练Domain Classifer,再训练feature extractor
8.Feature Disentangle
把一段声音信息压缩为code,在把code还原回声音信号。目标是input和ouput越接近越好