深度学习(四十五)——Stack GAN, GAN Ensemble, Pix2Pix, CycleGAN

Stack GAN

论文:

《StackGAN: Text to Photo-realistic Image Synthesis with Stacked Generative Adversarial Networks》

早期以DCGAN为代表的网络生成的图片分辨率太低,质量不够好,都不超过100×100,在32×32或者64×64左右。这是因为难以一次性学习到生成高分辨率的样本,收敛过程容易不稳定。因此采用级联结构,逐次提升分辨率的Stack GAN应运而生。
深度学习(四十五)——Stack GAN, GAN Ensemble, Pix2Pix, CycleGAN_第1张图片

上图是Stack GAN的网络结构图。其中的Conditioning Augmentation,显然使用了和VAE类似的添加随机噪声的技术。

类似想法的还有LAPGAN。

论文:

《Deep Generative Image Models using a Laplacian Pyramid of Adversarial Networks》

深度学习(四十五)——Stack GAN, GAN Ensemble, Pix2Pix, CycleGAN_第2张图片

上图是LAPGAN的网络结构图。顾名思义,这是使用了Laplacian Pyramid来不断提升生成图片的分辨率。

另,StackGAN还有后续版本StackGAN++。

参考:

https://www.cnblogs.com/wangxiaocvpr/p/5966776.html

LAPGAN论文笔记

https://zhuanlan.zhihu.com/p/30532830

眼见已不为实,迄今最真实的GAN:Progressive Growing of GANs

GAN Ensemble

除了级联结构之外,以下结构用的也比较多。

多判别器单生成器

论文:

《Generative Multi-Adversarial Networks》

深度学习(四十五)——Stack GAN, GAN Ensemble, Pix2Pix, CycleGAN_第3张图片

采用多个判别器的好处带来了类似于boosting的优势,训练一个过于好的判别器,会损坏生成器的性能,这是GAN面临的一个大难题。如果能够训练多个没有那么强的判别器,然后进行boosting,可以取得不错的效果,甚至连dropout技术都可以应用进来。

多个判别器还可以相互进行分工,比如在图像分类中,一个进行粗粒度的分类,一个进行细粒度的分类。在语音任务中,各自用于不同声道的处理。

单判别器多生成器

论文:

《Multi-Agent Diverse Generative Adversarial Networks》

深度学习(四十五)——Stack GAN, GAN Ensemble, Pix2Pix, CycleGAN_第4张图片

一般来说,生成器相比判别器要完成的任务更难,因为它要完成数据概率密度的拟合,而判别器只需要进行判别,导致影响GAN性能的一个问题就是模式坍塌,即生成高度相似的样本。采用多个生成器单个判别器的方法,可以有效地缓解这个问题。

从上图结构可以看出,多个生成器采用同样的结构,在网络的浅层还共享权重。

增加分类器

论文:

《Triple Generative Adversarial Nets》

深度学习(四十五)——Stack GAN, GAN Ensemble, Pix2Pix, CycleGAN_第5张图片

在利用GAN进行半监督的图像分类任务时,判别器需要同时担任两个角色,即判别生成的假样本,以及预测类别,这对判别器提出了较高的要求。通过增加一个分类器可以分担判别器的工作量,即将捕捉样本和标签的条件分布这一任务交给生成器和分类器,而判别器只专注于区分真实样本和生成的样本。

Pix2Pix

论文:

《Image-to-image translation with conditional adversarial networks》

代码:

https://github.com/phillipi/pix2pix

torch版本

https://github.com/affinelayer/pix2pix-tensorflow

tensorflow版本

https://github.com/williamFalcon/pix2pix-keras

keras版本

深度学习(四十五)——Stack GAN, GAN Ensemble, Pix2Pix, CycleGAN_第6张图片

Pix2Pix对于user control的要求比一般的CGAN更高,这里的监督信息不再是一个类别,而是一张图片。上图就是一个使用Pix2Pix对素描图上色的示例。其中的素描图就相当于CGAN中的类别信息。

Pix2Pix相对于传统GAN的改进在于:

**1.D网络的输入同时包括生成的图片X和它的素描图Y,X和Y使用Concat操作进行融合。**例如,假设两者都是3通道的RGB颜色图,则D网络的Input就是一个6通道的tensor,即所谓的Depth-wise concatenation。

**2.G网络使用dropout来提供随机性。**作者在实践中发现,传统的噪声向量在这个模型的学习过程中,被模型忽略掉了,起不到相应的作用。

**3.G网络使用U-NET。**实践表明,U-NET比AE的效果要好。

4.L1损失函数的加入来保证输入和输出之间的一致性。

5.使用PatchGAN来保证局部精准。

一般的GAN的D网络,只需要输出一个true or fasle的矢量,这代表对整张图像的评价。而PatchGAN输出的是一个NxN的矩阵,这个NxN的矩阵的每一个元素,对应着原图中的一个Patch。

深度学习(四十五)——Stack GAN, GAN Ensemble, Pix2Pix, CycleGAN_第7张图片

判别器对每一个patch做真假判别,将一张图片所有patch的结果取平均作为最终的判别器输出。这一步在具体实现上,就是使用Conv来代替D网络最后一层的FC。由于Conv操作不在乎输入尺寸,因此可以用不同尺寸的图片训练网络。

这是使用不同大小的patch的效果。可以看出patch size越大,则效果越好,但是计算量也越大。s

参考:

https://blog.csdn.net/stdcoutzyx/article/details/78820728

Pix2Pix-基于GAN的图像翻译

https://zhuanlan.zhihu.com/p/38411618

pix2pix

https://www.jianshu.com/p/8c7a7cb7198c

pix2pix

https://blog.csdn.net/gdymind/article/details/82696481

一文读懂GAN, pix2pix, CycleGAN和pix2pixHD

https://mp.weixin.qq.com/s/_PlISSOaowgvVW5msa7GlQ

条件GAN高分辨率图像合成与语义编辑pix2pixHD

https://mp.weixin.qq.com/s/PoSA6JXYE_OexEoJYzaX4A

利用条件GANs的pix2pix进化版:高分辨率图像合成和语义操作

https://blog.csdn.net/xiaoxifei/article/details/86506955

关于PatchGAN的理解

CycleGAN

除了基于纹理的Style Transfer之外,基于GAN的Style Transfer是另外一个流派。

CycleGAN是朱俊彦2017年的作品。

朱俊彦,清华本科(2012)+UCB博士(2018)。
个人主页:
http://people.csail.mit.edu/junyanz/

论文:

《Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks》

深度学习(四十五)——Stack GAN, GAN Ensemble, Pix2Pix, CycleGAN_第8张图片

Pix2Pix要求训练数据的X和Y是成对的,因此它只适合于图片翻译任务。对于一般的Style Transfer来说,训练数据显然是不配对的,那么又该怎么办呢?

深度学习(四十五)——Stack GAN, GAN Ensemble, Pix2Pix, CycleGAN_第9张图片

首先,简单的按照CGAN的做法,肯定是行不通的。最终生成的图片,实际上只是Y的复刻,一点X的影子都没有。

深度学习(四十五)——Stack GAN, GAN Ensemble, Pix2Pix, CycleGAN_第10张图片

上图是CycleGAN的网络结构图。它的要点如下:

1.既然G网络缺乏配对的生成数据,那么不妨采用类似AE的手法来处理。

1)我们首先使用 G X → Y G_{X\to Y} GXY将X变成Domain Y的数据 Y ′ Y' Y

2)再使用 G Y → X G_{Y\to X} GYX Y ′ Y' Y变成Domain X的数据 X ′ X' X

3)X和 X ′ X' X显然是配对的,因此也就是可以比较的。

2.D网络不需要配对数据即可训练。

3.为了增加训练稳定性,我们可以交替训练两个网络:$ → Y ′ → X ′ \to Y'\to X' YX Y → X ′ → Y ′ Y\to X'\to Y' YXY。其中的 G X → Y G_{X\to Y} GXY G Y → X G_{Y\to X} GYX在两个网络中的参数是相同的。

CycleGAN不仅可用于Style Transfer,还可用于其他用途。

深度学习(四十五)——Stack GAN, GAN Ensemble, Pix2Pix, CycleGAN_第11张图片

上图是CycleGAN用于Steganography(隐写术)的示例。

值得注意的是,CycleGAN的idea并非该文作者独有,同期(2017.3)的DualGAN和DiscoGAN采用了完全相同做法。

DualGAN论文:

《DualGAN: Unsupervised Dual Learning for Image-to-Image Translation》

DiscoGAN论文:

《Learning to Discover Cross-Domain Relationswith Generative Adversarial Networks》

Cycle-consistency的思想也可用于其他领域。例如:

深度学习(四十五)——Stack GAN, GAN Ensemble, Pix2Pix, CycleGAN_第12张图片

参考:

https://zhuanlan.zhihu.com/p/28342644

CycleGAN的原理与实验详解

https://mp.weixin.qq.com/s/7GHBH79kWIpEBLYX-VEd7A

CycleGAN:图片风格,想换就换

https://mp.weixin.qq.com/s/sxa0BfXtylHXzjq0YBn-Kg

伯克利图像迁移cycleGAN,猫狗互换效果感人

https://mp.weixin.qq.com/s/tzPCU1bxQ7NWtQ7o2PjF0g

BAIR提出MC-GAN,使用GAN实现字体风格迁移

https://mp.weixin.qq.com/s/A2VhfO3CkyQGCs5GqBWzOg

实景照片秒变新海诚风格漫画:清华大学提出CartoonGAN

https://mp.weixin.qq.com/s/rt4uuqh8IrZTjsYXEZvxKQ

阿里提出全新风格化自编码GAN,图像生成更逼真!

https://mp.weixin.qq.com/s/3lrCRiq5zuX9yWxiQRQE9A

CartoonGAN不靠手绘,也能成为漫画达人

https://mp.weixin.qq.com/s/PhaDqX3OT-mqyFHohDMfdA

从Pix2Code到CycleGAN:2017年深度学习重大研究进展全解读

https://mp.weixin.qq.com/s/dwEHorYSJuX9JapIYLHiXg

BicycleGAN:图像转换多样化,大幅提升pix2pix生成图像效果

https://mp.weixin.qq.com/s/VU06PqZ4OaLxpjLwIObWZw

加强版CycleGAN!贾佳亚等提出卡通图与真实人脸转换模型,看女神突破次元壁长啥样

https://mp.weixin.qq.com/s/eT7K78e2xKkTqmz67pqmEg

炫酷的图像转换:从pix2pix到CycleGAN

https://mp.weixin.qq.com/s/iFuZ8IqyrKGTxJ2ChU6NJA

CycleGAN之美:赛马翻译成斑马背后的直觉和数学

你可能感兴趣的:(深度学习)