深度学习(15): GAN(3)

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。