A Style-Based Generator Architecture for Generative Adversarial Network（笔记）

A Style-Based Generator Architecture for Generative Adversarial Network（笔记）

1.潜在空间

1.1概念

数据的潜在空间表示包含数据点所需要的所有重要信息。此表示必须表示原始数据的特征。

2.自编码器（AE）

自编码器由两部分组成，编码器和解码器。

• 编码器：将数据从高维空间压缩到低维空间（即潜在空间）。
• 解码器：以潜在空间为输出作为输入判断能否完整的还原数据。
  

3.GAN的评价指标

3.1Frechet Inception Distance（FID）

FID拿掉了Inception模型最后的一个用于分类全连接层，将前面一层的2048维向量进行输出。在这里，Inception不再进行分类，而是进行特征提取，得到的2048维向量，每一个维度都表示着某种特征。
取同样数目的生成图像和真实图像各 N 张，经过改造后的Inception网络，各自得到 N ∗ 2048维的特征向量，然后用下面的公式计算两个 N ∗ 2048维的特征向量之间的距离：


FID表示的是生成图像的特征向量与真实图像的特征向量之间的距离，距离越近，表示生成模型的效果越好，即图像的清晰度搞，且多样性丰富。

4.基本思想