【paper and code】AC-GAN

 论文下载地址：https://arxiv.org/pdf/1610.09585.pdf

一、文章主要解决了什么问题？

        在本文中，介绍了用于改进生成式对抗网络（GAN）进行图像合成的新方法。 构建了使用标签调节的GAN的变体，该变体导致显示出整体一致性的128×128分辨率图像样本。 扩展了先前的图像质量评估工作，以提供两种新的分析方法来评估来自类条件图像合成模型的样本的可分辨性和多样性。 这些分析表明，高分辨率样品提供了低分辨率样品中不存在的类别信息。 在1000个ImageNet类中，可分辨的128×128样本的分辨率是人工调整大小的32×32样本的两倍以上。 此外，有84.7％的类别的样本具有与真实ImageNet数据相当的多样性。

        使用标签的数据集应用于生成式对抗网络GAN可以增强现有的生成模型，并形成两种优化思路：

1. cGAN使用了辅助的标签信息来增强原始GAN，对生成器和判别器都使用标签数据进行训练，从而实现模型具备产生特定条件数据的能力。
cGAN: Conditional Generative Adversarial Nets

文章链接：https://arxiv.org/pdf/1411.1784.pdf