只需少量数据就能适应网络——《FEW-SHOT ADAPTATION OF GENERATIVE ADVERSARIAL NETWORKS》论文解析

今天来看一篇few-shot适应的论文，还挂在arxiv上，同时在github上也有开源的项目：http://www.estherrobb.com/few-shot-gan/

这篇文章叫做FSGAN，全名《FEW-SHOT ADAPTATION OF GENERATIVE ADVERSARIAL NETWORKS》，来自弗吉尼亚理工和谷歌研究院。谷歌研究院就喜欢搞一些开源、video什么的。

那么这篇文章做了一件什么事呢？对于一个生成网络，我们本来需要大量的数据才能训练出一个好的结果，但是在某些情况下，我们只能获得少量的数据。因此合理地利用先验知识，在这个域中只使用少量数据就得到较好的结果就变得有必要了。

那么就来看看是怎么做的吧：

这篇文章也是基于stylegan2，stylegan解析请移步：https://blog.csdn.net/wenqiwenqi123/article/details/110136887

首先作者发现，针对预训练好的stylegan2，对style和卷积层进行奇异值分解，然后放大排前三的奇异值，可以发现，不同奇异值对于人脸有着不同的控制。