Feature Extraction
InfoGAN
常规的GAN只会在某个dimension上表示一个特征,但未必会表示得很清楚。
我们期望看到的是在一个dimension上,特征x变化对于输出的结果变化是很明显的,有规律性的。
what is infoGAN?
- 把input的vector分成两个部分
- train一个classifier根据生成器的output预测c,可以把这个classifier设定为一个decoder,与generator合起来算作auto-encoder。但与常规的auto-encoder做的事情相反,由coder产生image,再识别出code。
- 还要有discriminator存在,否则,生成器会直接把c输出,不会经过nn。检查输出的image像不像一个real image。
- parameter sharing,一个输出scalar,一个输出code
要求c的每一个维度必须有很清楚且明确的对于x的影响。