hn_lgc的专栏

Stack可译做堆叠，就是在GAN上面再放上一个GAN。作者讲述自己的解决思路，原来难以生成高分辨率的图像，他们分解了这个问题，把生成高分辨率图片这个任务分解成两个更为简单的任务。就是文中说的一个GAN生成大致的形状和颜色，第二个GAN生成细节和修正错误，这比直接一个GAN生成更加容易。这似乎研究中解决一些任务的一种常用的方法，以前看的一篇论文，图像修复的，先修复缺失的轮廓边缘，再填充颜色。比直接一次完成好。就是把一个任务分成可以区分的两个任务，分别加以处理。翻译：摘要：从文字描述中生成具有照片般真

Generator 不用想得太复杂，就是一个函数。函数的形式可以是NN。输入一个向量，这个向量可以看成一个控制向量，用向量中的元素表示生成对象的属性。生成对象可以是不同的东西，图片矩阵，文字序列都可以，需要具体控制。这可以弄出一个有趣的应用，通过改变输入向量，生成人脸渐变的中间图像。比如用向量中的第一个元素表示头发的长度，导数第二个表示头发的颜色。一样的，判别器也可以看成一个函数，可以是NN。它的输入是前面生成的对象，比如一张图片。输入是一个数字，就是生成对象的逼真程度，符合程度。GAN的原