条件生成对抗网络(cGAN)
条件生成对抗网络(cGAN)：创新的生成模型cGAN，全称为条件生成对抗网络，是一种将监督学习策略巧妙融入生成模型的创新方法。它突破了传统GAN的局限，允许我们根据输入标签定制输出内容，如生成特定的数字，而非仅仅是随机的结果。例如，DCGAN曾能生成逼真的手写数字，但无法精确指定生成的是哪个数字，如7或9。为了解决这个问题，研究者提出了将标签信息作为训练输入，生成内容作为输出，这样生成器就能根据标签生成特定的内容了。
然而，这种方法在某些情况下遇到了挑战。例如在文本生成图像任务中，一句“牛吃草”的文本可能对应多幅图像，尽管标签相同，但内容差异很大。如果仅依赖于标签，传统神经网络可能会产生模糊不清的结果，因为它的目标是使所有相关训练样本尽可能接近。cGAN正是为了解决这个问题，它在GAN的基础上引入了条件信息y，使得判别器和生成器的输入都包含标签信息。
具体来说，cGAN的目标函数在基本形式上与GAN相似，只是在输入中加入了条件标签。判别器接收的是加了标签的x或生成器生成的z，生成器则通过结合随机输入z和条件y生成新的内容表示。以下是cGAN核心的网络结构图，展示了这一创新设计的实际应用。
在图像领域，LPGAN（拉普拉斯生成对抗网络）是cGAN的一个成功实践。LPGAN通过生成高质量图片，解决了传统GAN在图像生成质量上的不足。在图像处理中，下采样和上采样是关键概念，它们分别用于图像的压缩和放大。LPGAN利用拉普拉斯金字塔的理论，通过生成拉普拉斯金字塔系数，实现了从模糊图像到高清图像的重构过程。
在LPGAN的训练中，初始随机输入经过生成器生成初步图像，然后通过一系列条件生成模型逐层生成对应的拉普拉斯金字塔系数。每层网络都训练为一个独立的cGAN，输入是真实图片的模糊版本，这样能防止模型过度依赖训练数据，确保生成的图片更具多样性。
总的来说，cGAN不仅拓展了生成模型的控制力，还能应用于超分辨率问题，如SRGAN。它是一个强大的工具，允许我们以更精准的方式控制生成内容，是现代图像生成技术的重要突破。
绛旓細鏉′欢鐢熸垚瀵规姉缃戠粶(cGAN)锛氬垱鏂扮殑鐢熸垚妯″瀷cGAN锛屽叏绉颁负鏉′欢鐢熸垚瀵规姉缃戠粶锛屾槸涓绉嶅皢鐩戠潱瀛︿範绛栫暐宸у铻嶅叆鐢熸垚妯″瀷鐨勫垱鏂版柟娉曘傚畠绐佺牬浜嗕紶缁烥AN鐨勫眬闄愶紝鍏佽鎴戜滑鏍规嵁杈撳叆鏍囩瀹氬埗杈撳嚭鍐呭锛屽鐢熸垚鐗瑰畾鐨勬暟瀛楋紝鑰岄潪浠呬粎鏄殢鏈虹殑缁撴灉銆備緥濡傦紝DCGAN鏇捐兘鐢熸垚閫肩湡鐨勬墜鍐欐暟瀛楋紝浣嗘棤娉曠簿纭寚瀹氱敓鎴愮殑鏄摢涓暟瀛楋紝濡7鎴9銆
绛旓細鍏舵牳蹇冪悊蹇靛湪浜庣粨鏋勫寲鎹熷け鐨勫紩鍏ャ備紶缁熸柟娉曞線寰灏嗚緭鍑虹┖闂磋涓烘棤搴忕殑锛孭ix2pix鍒欏嚟鍊鏉′欢鐢熸垚瀵规姉缃戠粶锛坈GAN锛鐨勫姏閲忥紝瀛︿範濡備綍鎹曟崏杈撳嚭涓庣洰鏍囩殑鏁翠綋缁撴瀯锛屼娇涔嬫洿鍏峰彲棰勬祴鎬у拰涓鑷存с傚熼壌浜哻GAN鐨勭簿楂擄紝Pix2pix骞朵笉灞闄愪簬鐗瑰畾鐨勫簲鐢ㄥ満鏅紝鑰屾槸閲囩敤浜哢-Net鐢熸垚鍣ㄥ拰鍗风Н PatchGAN 杈ㄥ埆鍣紝纭繚浜嗙敓鎴愬浘鍍忕殑...
绛旓細鍦ㄦ繁搴﹀涔犵殑鐟板疂涓紝鐢熸垚瀵规姉缃戠粶(GAN)鏃犵枒鏄竴棰楃拃鐠ㄧ殑鏄庣彔锛屽畠浠ョ敓鎴愬櫒涓庡垽鍒櫒涔嬮棿鐨勬櫤鑳藉崥寮堬紝鍒涢犲嚭浠や汉鎯婂徆鐨勯肩湡鍥惧儚銆傜敓鎴愬櫒鐘瑰鑹烘湳瀹讹紝娼滃績瀛︿範鏁版嵁鐨勫唴鍦ㄨ寰嬶紝鑷村姏浜庢ā鎷熷嚭涓庣湡瀹炴牱鏈棤寮傜殑鏂版牱鏈紱鍒ゅ埆鍣ㄥ垯鎵紨鐫閴村畾澶у笀鐨勮鑹诧紝瀹冪殑鐩爣鏄笉鏂彁鍗囧垎杈ㄧ湡鍋囩殑鑳藉姏锛岃繖涓ゅぇ缁勪欢鐨勮緝閲忛犲氨浜...
绛旓細GAN锛屽叏绉鐢熸垚瀵规姉缃戠粶锛屼互鍏剁嫭鐗圭殑鏂瑰紡鍦ㄥ悇涓鍩熷睍鐜颁簡寮哄ぇ鐨勬綔鍔涖傛湰鏂囧皢娣卞叆鎺㈣鍏舵渶鏂拌繘灞曪紝浠庡熀纭鐞嗚鍒板疄鐢ㄥ簲鐢紝涓轰綘鎻ず杩欎釜鍓嶆部鎶鏈殑濂ョ銆俒1]棣栧厛锛岀ǔ瀹氳缁冧竴鐩存槸GAN鐨勫叧閿寫鎴樸侺SGAN锛圠east Squares GAN锛閫氳繃鏈灏忎簩涔樻崯澶盵2]锛屽阀濡欏湴瑙勯伩浜嗕紶缁烥AN涓璼igmoid浜ゅ弶鐔垫崯澶卞彲鑳藉鑷寸殑姊害楗卞拰闂...
绛旓細Pix2Pix锛歅ix2Pix鏄熀浜鏉′欢鐢熸垚瀵规姉缃戠粶锛坈GAN锛鐨勫浘鍍忚浆鎹㈡ā鍨嬨傚畠鑳藉鏍规嵁杈撳叆鍥惧儚鐢熸垚瀵瑰簲鐨勮緭鍑哄浘鍍忥紝渚嬪灏嗙嚎绋胯浆鎹负鐪熷疄鐨勫僵鑹插浘鍍忋侾ix2Pix閫氳繃璁粌鏁版嵁闆嗕腑鐨勬垚瀵瑰浘鍍忔潵瀛︿範杈撳叆鍜岃緭鍑轰箣闂寸殑鏄犲皠鍏崇郴銆侼eural Style Transfer锛氱缁忛鏍艰浆绉绘槸涓绉嶅皢涓や釜鍥惧儚鐨勫唴瀹瑰拰椋庢牸杩涜鍚堟垚鐨勬妧鏈傚畠缁撳悎浜嗘繁搴...
绛旓細DCGAN鐨勫垱鏂板湪浜庝娇鐢ㄦ繁鍗风Н缃戠粶锛岄伩鍏嶅叏杩炴帴灞傦紝閲囩敤strided鍜宖ractional convolutions锛屼唬鐮佺ず渚嬪彲鍦╗1]涓壘鍒般傝鏉′欢GAN锛圕GAN锛鍒欏皢鏉′欢淇℃伅寮曞叆锛屼娇寰鐢熸垚鍣ㄥ彲鎺э紝瀹冪殑璁粌鍖呮嫭鏉′欢閴村埆鍣ㄥ拰鐢熸垚鍣ㄧ殑鍗忓悓宸ヤ綔锛屽[2]鎵绀恒侹eras-GAN搴撶畝鍖栦簡鎴戜滑瀵笹AN鏋舵瀯鐨勭悊瑙ｏ紝瀹冧綋鐜颁簡GAN璁捐鐨勭伒娲绘э紝濡侰GAN鍙互...
绛旓細鍒ゅ埆妯″瀷D鐨勫噯纭巼绛変簬50%銆傛帴鐫涓婇潰鏈鍚庝竴涓棶棰橈細鎬庝箞鎵嶈兘鐢熸垚鎴戞寚瀹氱殑鍥惧儚鍛紵鎸囧畾鏍囩鍘昏缁 椤惧悕鎬濅箟灏辨槸鎶婃爣绛句篃甯﹁繘鍏紡锛屽緱鍒版湁鏉′欢鐨勫叕寮忥細鍏蜂綋鎬庝箞璁CGAN鏇村ソ鐨勪紭鍖栵紝杩欓噷涓嶈В閲婏紝灏辨槸骞冲父鐨勪紭鍖缃戠粶浜嗐傚弬鑰冩枃绔狅細鏈枃澶ч儴鍒嗙炕璇戞澶栨枃 閫氫織鏄撴噦 灏忓崥瀹㈢殑鎬荤粨 鍞愬畤杩ぇ绁 ...
绛旓細3. 鐢熸垚瀵规姉缃戠粶(GAN)璋冩暣锛氬湪 GAN 鐢熸垚鍥剧墖鐨勮繃绋嬩腑锛屽彲浠ュ皾璇曡皟鏁寸敓鎴愬櫒鍜屽垽鍒櫒鐨勫弬鏁帮紝浠ョ敓鎴愭洿闅捐瘑鍒殑鍥剧墖銆傛澶栵紝鍙互灏濊瘯浣跨敤涓嶅悓绫诲瀷鐨 GAN 鏋舵瀯锛屽 WGAN銆CGAN 绛夛紝鏉ラ檷浣庢娴嬪櫒鐨勮瘑鍒巼銆4. 鍥惧儚鍚庡鐞嗭細瀵 AI 鐢熸垚鐨勫浘鐗囪繘琛屽悗澶勭悊锛屽娣诲姞鍣０銆佹ā绯娿佸帇缂╃瓑鎿嶄綔锛屼互闄嶄綆鍏跺湪妫娴嬪櫒...
绛旓細浠庢祬灞傚埌娣卞害锛鐢熸垚妯″瀷鐨勮繘鍖 鏃╂湡鐨勭敓鎴愭ā鍨嬪彈闄愪簬娴呭眰缁撴瀯锛岄毦浠ュ簲瀵瑰鏉傞棶棰樸傝屾繁搴﹀涔犵殑寮曞叆锛屽鑷洖褰缃戠粶銆佸彉鍒嗚嚜缂栫爜鍣ㄥ拰娴佹ā鍨嬶紝璁〨AN鑴遍鑰屽嚭锛屾垚涓轰富娴佹繁搴︾敓鎴愭ā鍨嬩箣涓銆侴AN鐨勭嫭鐗逛箣澶勫湪浜庡叾鐢熸垚鍣℅鍜屽垽鍒櫒D鐨勫崥寮堬紝瀹冧滑鐨勭洰鏍囨槸鐩镐簰瀵规姉锛屼互杈惧埌鐢熸垚鏍锋湰涓庣湡瀹炴暟鎹毦浠ュ垎杈ㄧ殑澧冨湴銆侴AN鐨...
绛旓細鏈枃姒傝堪浜鐢熸垚寮瀵规姉缃戠粶锛GAN锛変互鍙婂叾鍑犵鏀硅繘鐗堟湰锛屽鏉′欢GAN锛圕GAN锛銆佹繁搴︽潯浠禛AN锛圖CGAN锛夈佹渶灏忎簩涔楪AN锛圠SGAN锛夌瓑锛屽畠浠湪MNIST鏁版嵁闆嗕笂鐨勫簲鐢ㄣ侴AN鐢辩敓鎴愬櫒鍜岄壌鍒櫒涓ら儴鍒嗙粍鎴愶紝鐢熸垚鍣ㄨ瘯鍥剧敓鎴愮湅璧锋潵鍍忕湡瀹炴暟鎹殑鍥惧儚锛岃岄壌鍒櫒鍒欏皾璇曞尯鍒嗙湡瀹炲浘鍍忓拰鐢熸垚鍥惧儚銆傝櫧鐒禛AN鍦ㄥ崟涓垨澶氫釜瀵硅薄绫诲埆寤烘ā...
