【paper and code】AC-GAN

 論文下載地址：https://arxiv.org/pdf/1610.09585.pdf

一、文章主要解決了什麼問題？

        在本文中，介紹了用於改進生成式對抗網絡（GAN）進行圖像合成的新方法。 構建了使用標籤調節的GAN的變體，該變體導致顯示出整體一致性的128×128分辨率圖像樣本。 擴展了先前的圖像質量評估工作，以提供兩種新的分析方法來評估來自類條件圖像合成模型的樣本的可分辨性和多樣性。 這些分析表明，高分辨率樣品提供了低分辨率樣品中不存在的類別信息。 在1000個ImageNet類中，可分辨的128×128樣本的分辨率是人工調整大小的32×32樣本的兩倍以上。 此外，有84.7％的類別的樣本具有與真實ImageNet數據相當的多樣性。

        使用標籤的數據集應用於生成式對抗網絡GAN可以增強現有的生成模型，並形成兩種優化思路：

1. cGAN使用了輔助的標籤信息來增強原始GAN，對生成器和判別器都使用標籤數據進行訓練，從而實現模型具備產生特定條件數據的能力。
cGAN: Conditional Generative Adversarial Nets

文章鏈接：https://arxiv.org/pdf/1411.1784.pdf