最近在看對抗生成網絡的相關論文,發現一些比較有趣的論文,在這裏跟大家分享一下的。
在經典的生成對抗模型中,往往有兩個模型一個生成模型,它去獲取數據的分佈,然後一個判別模型,它去評估這個樣本來自訓練集的概率。這兩個和模型都是同時訓練,他去調整參數使模型去最小化 然後去調整參數使模型去最小化 最後這個損失函數爲
而在條件生成對抗網絡中需要加入一個額外的信息 .這個可以是各種輔助的信息,比如類別標籤。因此這個損失函數變成了
整個網絡流程爲
這裏可以很好的理清整個流程。
其實這種加入額外信息的對抗網絡,還有另外一篇文章比較相近那就是 CC-GAN
雖然這兩個網絡的任務不一樣,但是整體的思想還是比較相似的,都是加入了額外的信息在整個網絡,生成一種對抗網絡。