多图对比看懂GAN与VAE的各种变体|附论文

本文来自AI新媒体量子位（QbitAI）

近日，英国小哥Pawel.io在GitHub上图解了一系列生成式对抗网（GAN）和变分自编码器（VAE）的TensorFlow实现。量子位将其中基础知识内容重新整理，与大家分享。

生成式对抗网络（GAN）

GAN

论文地址：

https://arxiv.org/abs/1406.2661

价值函数：

结构图：

LSGAN

论文地址：

https://arxiv.org/abs/1611.04076

价值函数：

WGAN

论文地址：

https://arxiv.org/abs/1701.07875

价值函数：

WGAN-GP

论文地址：

https://arxiv.org/abs/1704.00028

价值函数：

DRAGAN

论文地址：

https://arxiv.org/abs/1705.07215

价值函数：

CGAN

论文地址：

https://arxiv.org/abs/1411.1784

价值函数：

结构图：

infoGAN

论文地址：

https://arxiv.org/abs/1606.03657

价值函数：

结构图：

ACGAN

论文地址：

https://arxiv.org/abs/1610.09585

价值函数：

结构图：

EBGAN

论文地址：

https://arxiv.org/abs/1609.03126

价值函数：

结构图：

BEGAN

论文地址：

https://arxiv.org/abs/1702.08431

价值函数：

变分自编码器（VAE）

VAE

论文地址：

https://arxiv.org/abs/1312.6114

损失函数：

结构图：

CVAE

论文地址：

https://arxiv.org/abs/1406.5298

损失函数：

结构图：

DVAE

论文地址：

https://arxiv.org/abs/1511.06406

AAE

论文地址：

https://arxiv.org/abs/1511.05644

原文地址：

最后，附GitHub原文地址：

https://github.com/hwalsuklee/tensorflow-generative-model-collections/blob/master/README.md

还可查看不同GAN与VAE变体在MNIST及Fasion-MNIST上的运行结果。

祝你学的开心~

— 完 —

本文作者：安妮

原文发布时间：2017-09-05