發表自ECCV2018.
主要工作:
1.使用了兩個判別器,分別作用於圖像和特徵圖。
2. 提出了具有遠程跳躍連接的生成器。
GAN:
生成器損失:
判別器損失 :
其中表示判別器的輸出,也就是圖像是從真實的圖像分佈中進行採樣得到的概率。
我們知道log函數在底數大於1時是增函數,所以對於生成器,必定是希望生成的圖像被判別器判別爲真實的圖像的概率越大越好,所以取負數以後損失變小了,同理可得判別器的損失。
發表自ECCV2018.
主要工作:
1.使用了兩個判別器,分別作用於圖像和特徵圖。
2. 提出了具有遠程跳躍連接的生成器。
GAN:
生成器損失:
判別器損失 :
其中表示判別器的輸出,也就是圖像是從真實的圖像分佈中進行採樣得到的概率。
我們知道log函數在底數大於1時是增函數,所以對於生成器,必定是希望生成的圖像被判別器判別爲真實的圖像的概率越大越好,所以取負數以後損失變小了,同理可得判別器的損失。