10、基于DiscoGAN实现手袋图像生成

基于DiscoGAN实现手袋图像生成

1. CycleGAN与DiscoGAN的关系

CycleGAN与DiscoGAN基本相似，仅存在一处小改动。在CycleGAN中，我们可以灵活确定重建损失相对于GAN损失或判别器损失的权重。这个参数有助于根据具体问题以正确的比例平衡损失，从而帮助网络在训练时更快收敛。CycleGAN的其余实现与DiscoGAN相同。

2. 利用DiscoGAN从手袋草图生成自然手袋图像

我们将使用DiscoGAN从手袋草图生成自然手袋图像，且无需显式的配对匹配。我们将草图图像归为A域，自然手袋图像归为B域。这里会有两个生成器：
- 一个将A域的图像映射为在B域看起来逼真的图像。
- 另一个则相反，将B域的手袋图像映射为在A域看起来逼真的图像。

判别器会尝试区分每个域中生成器生成的假图像和真实图像。生成器和判别器会进行一个极小极大零和博弈。

要训练这个网络，我们需要两组图像：手袋的草图或轮廓图以及自然手袋图像。这些图像可以从以下链接下载： https://people.eecs.berkeley.edu/~tinghuiz/projects/pix2pix/datasets/edges2handbags.tar.gz 。

接下来，我们将在TensorFlow中定义DiscoGAN网络，然后使用手袋草图（作为图像的边缘）训练它以生成逼真的