【学习笔记】VALSE Webinar：GAN 主题研讨

StackGAN

StackGAN：Two-stage Generative Adversarial Networks

• 任务：根据句子生成图像
• 创新：首次能够生成256*256的大图像
• 巧：
  1）word embedding ->均值和方差，而不是一个feature embedding
  2）把小的图像转为一个conditional variable

StackGAN-v2：

• 改进：end to end，more stable, reduce model collapse
• 创新：改变思路
  
  

Conditioning Augmentation

Person Re-identification(Re-ID)

Motivation

related works

overall structure

Code

pix2pix

• 黑白图->彩图
• class remove
• paint with GANs

Panel

1. GAN的优缺点

与其他的生成模型相比（max likelyhood）最本质的不同，是采用对抗的方式，引入了discriminator；
最大的优点：既考虑正例子也考虑负例子
缺点：mode collapse
新模型-GLOW