李宏毅：Ensemble of GAN and Energy-based GAN

1、ensemble of GAN

（1）

：同时train 一大堆GAN，然后就有一大堆generator，之后在generate image的时候，先随机挑选一个generator，再让那个generator sample image。那这样所有的generator合起来就会产生比较多样性的结果。

：因为我们发现在每一个training的iteration，generator的output都很不一样。那我们就把好几个iteration的generator都集合起来，再产生output。

：先train第一个GAN，然后看有哪些image或者mode是第一个GAN不太容易产生的（用第一个GAN去sample一大堆image，然后learning一个discriminator，分辨第一个GAN产生的 image跟real的image，如果这个discriminator在某一个real image上的分数很高，discriminator觉得这个image非常的realistic的话，那这张image可能就是generator不会产生的mode）。再把这些不太容易产生的image从database中都取出来，在放到下一个GAN中。。。经过训练，这样不同的GAN就会产生不同model的image。

（2）generative adversarial parallelization

在test的时候，交换两个generator，如果G1能够战胜D2（战胜与否是说G1产生的image对D2来说是否是realistic），G2输给D1的话，这样就可以说G1产生的image比G2产生的要好。

2、Energy-based GAN

（1）original idea

（2）evaluate function

我们希望从database里面挑出real image，放到F(x)中，得到的值越大越好；不是real image的图代进去，得到的值越小越好。但实际上我们无法穷举所有不是real的image。

 

（3）energy-based GAN（EBGAN）

3、MAGAN

4、LSGAN

5、BEGAN