最近在看对抗生成网络的相关论文,发现一些比较有趣的论文,在这里跟大家分享一下的。
在经典的生成对抗模型中,往往有两个模型一个生成模型,它去获取数据的分布,然后一个判别模型,它去评估这个样本来自训练集的概率。这两个和模型都是同时训练,他去调整参数使模型去最小化 然后去调整参数使模型去最小化 最后这个损失函数为
而在条件生成对抗网络中需要加入一个额外的信息 .这个可以是各种辅助的信息,比如类别标签。因此这个损失函数变成了
整个网络流程为
这里可以很好的理清整个流程。
其实这种加入额外信息的对抗网络,还有另外一篇文章比较相近那就是 CC-GAN
虽然这两个网络的任务不一样,但是整体的思想还是比较相似的,都是加入了额外的信息在整个网络,生成一种对抗网络。