GANS学习笔记

对抗生成 GAN 学习笔记

初识

生成器

Generater

在一个简单的随机领域上，然后通过 Network，输出一个复杂或者说随机的分布。

当任务需要一点创造力的时候，需要用 Distribution 来指定不同的输出。

Unconditional generation

是否存在 condition x 分为两种

|

从低纬度到高纬度，输入一个简单的 Vector 比如，可以生成一个 48 _ 48 _ 3 的图片

Discriminator

可以用 CNN，也可以用 Transformer，只需要能够给 Generater 生成的图像打分就可以了（也可以用分类，真实的就是一类，不真实的又是一类）

Adversarial

Step 1

固定 Generator，更新 Discriminator，让鉴别器能够分辨真的和假的

Step 2

固定鉴别器，更新生成器，能够 fool Discriminator，相当于为了让最后的分数越来越大（梯度下降）

反复训练

Theory behind GANS

对于生成器 1

$$G^{\ast }=arg\underset{G}{\min }Div(P_G,P_{data}),Divergencebetweendistributions{P}_{G}and{P}_{data}$$

$P_{data}$就是从源数据里面随机出来的，

对于鉴别器

$$\begin{gathered} D^{\ast }=arg\underset{D}{\max }V(D,G) \\ V(G,D)=E_{y\sim P_{data}}[logD(y)]+E_{y\sim P_G}[log(1-D(y))] \end{gathered}$$

其实可以从公式就能看出，让 D 去识别 y（从 data 还是 G 得到的）前一部分，尽量让 data 来的数据为 1，让 G 来的数据为 0

对于生成器 2

其实对于$Div(P_G,P_{data})$，其实就是 D 取某一个参数，让 V(D,G)最大的时候的值，即

$$G^{\ast }=arg\underset{G}{\min }\underset{D}{\max }V(D,G)$$

说白了就是，在 D 能够最好地分开 G 生成的数据和真实 data 的情况下，让生成器能够生成和真实 data 差距最小的值。

Distance 的选取

JS（Jenson’s Shannon） divergence is not suitable

因为

$$JSD(P||Q)=\frac{1}{2}\sum p(x)log(\frac{p(x)}{p(x)+q(x)})+\frac{1}{2}\sum q(x)log(\frac{q(x)}{p(x)+q(x)})+log2$$

因此，对于在高维空间不重合的两个$P_G$和$P_{data}$的话，会得到一个常数 log2，一是无法反应二者距离，二是无法进行梯度更新。

Wasserstein distance(WGAN)

“推土机”把 P 移动到 Q 需要移动的距离，穷举所有的 moving plans，用平均最小移动距离指代。

m a x D   h a s   t o   b e   s m o o t h   e n o u g h { E x ∼ P d a t a [ D ( x ) ] − E x ∼ P G [ D ( x ) ] } \underset{D\ has\ to\ be\ smooth\ enough}{max}\{ {E_{x\sim P_{data}}[D(x)]} -{E_{x\sim P_{G}}[D(x)]}\}\\ D has to be smooth enoughmax​{Ex∼Pdata​​[D(x)]−Ex∼PG​​[D(x)]}

:::info{title=“SNGAN”}
因为 WGAN 没有很好的方法能够让 D 足够的平滑，因此 Spectral Normalization(SNGAN)-> keep gradient norm smaller than 1 everywhere,目前看来效果较好。
一些较好的 Tips：

1. Tips from Soumith: code
2. Tips in DCGAN: paper
3. Improved techniques for training GANS: paper
4. Tips from BigGAN: paper
   :::

GAN 用来生成序列是最难的

直到一篇论文是 Scratch GANS，用了一个 SeqGAN-step 的方法

|
|

GAN 的评估

Quality of image

1. 用一个图片分类系统，最后得到的分类（概率）越集中，就说明 Generator 的效果很好。
2. Mode Collapse，中文又称模式奔溃，主要出现于 GAN 训练的后期阶段，生成器生成图像样式单一问题.（相当于盲点被 Generator 抓到了，无法被鉴别器识别出来）

一张图片的概率需要集中，所有图片的概率越平均越好。 3. Frechet Inception 距离:（FID）是评估生成图像质量的度量标准，专门用于评估生成对抗网络的性能。 4. 等等 20 种评估的方法，GAN 的评估是相对比较复杂的。

Conditional generation

应用

1. 因为一开始就是为了骗过鉴别器，所以可能只会为了骗过鉴别器而不管文字 condition
2. 因此需要 Pairs data，看到配对的结果才打高分

3. 当然不仅仅只有图片和文字的配对，还能 Pix2pix 4. 同时骗过鉴别器和输入图片越来越像，监督学习+GAN 5. voice2Img

Unpaired data

比如图像风格转化，需要转变一个思路，需要从 Domain X 经过网络输出 Domain y 分布就行，然后需要用一个鉴别器分辨输出和 y domain 的区别。

但是有一个问题，输出可能和输入没有什么关系，只为了生成一个 Domain y 类似的。并且现在没有成对的资料，无法判断和输入的关系

Cycle GAN

增加一个额外的 GAN，让输出能够经过网络变回原来的图像。就变成三个 network 了