DiscoGAN论文"Learning to Discover Cross-Domain Relations with Generative Adversarial Networks"学习笔记

这是一篇研究如何使用GAN寻找域与域之间对应关系的论文。

话不多说,直接分析模型:

(1)

       如果使用标准GAN网络将金发转换成黑发,只能保证生成的是黑发人物图像,因为判别器所做的仅仅是判断:生成的图像在多大程度上符合黑发人物的特征,无法保证转换后的人物和金发人物相貌相同(mode对应错误)。

(2)

       如果在标准GAN网络上使用重建损失,可以一定程度上改善mode对应错误的情况,但是并不能完全解决这个问题。

       这是为什么呢?下面说一下我个人的理解:我们现在把上图中的x_{AB}仅当做x_{A}经过

评论 1
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
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