使用辅助分类器 GAN 进行条件图像合成

系列文章目录

Conditional Generative Adversarial Nets
cGANs with Projection Discriminator
Conditional Image Synthesis with Auxiliary Classifier GANs
InfoGAN: Interpretable Representation Learning by Information Maximizing Generative Adversarial Nets


Conditional Image Synthesis with Auxiliary Classifier GANs

Conditional Image Synthesis with Auxiliary Classifier GANs(简称AC-GANs)是一种用于改善生成对抗网络(GANs)进行图像合成的方法。在AC-GANs中,判别器除了要区分生成的图像与真实图像外,还额外承担了一个分类任务,即对输入图像的类别进行分类。这种方法可以提高生成图像的质量,并且能够生成具有特定类别标签的图像。

AC-GANs的关键在于引入了辅助分类器(Auxiliary Classifier),这个分类器被集成在判别器中,用于对输入图像的类别进行分类。判别器的输出包括两部分:一部分是判断图像是真实还是生成的,另一部分是对图像类别的预测。

在AC-GANs中,生成器的损失函数由两部分组成:

真实性损失(Adversarial Loss):生成器试图生成判别器难以区分的图像。
分类损失(Classification Loss):生成器生成的图像还要符合给定的类别标签。
这种结构不仅提高了图像的全局一致性,而且增加了生成图像的类别信息。实验表明,AC-GANs能够生成具有较高分辨率和类别一致性的图像样本。

class DiscriminatorACGAN(nn.Module):

    def __init__(self, x_dim, c_dim, dim=96, norm='none', weight_norm=
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

云朵不吃雨

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值