StarGAN论文及代码理解

Posted thinker-pcw

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了StarGAN论文及代码理解相关的知识,希望对你有一定的参考价值。

StarGAN的引入是为了解决多领域间的转换问题的,之前的CycleGAN等只能解决两个领域之间的转换,那么对于含有C个领域转换而言,需要需要C*(C-1)个模型,但StarGAN仅需要学习一个,而且效果很棒,如下:

技术分享图片

 

创新点:为了实现可转换到多个领域,StarGAN加入了一个域的控制信息,类似于CGAN的形式。在网络结构设计上,鉴别器不仅仅需要学习鉴别样本是否真实,还需要对真实图片判断来自哪个域。

技术分享图片

整个网络的处理流程如下:

  1. 将输入图片x和目标生成域t结合喂入到生成网络G来合成fake图片
  2. 将fake图片和真实图片分别喂入到鉴别器D,D需要判断图片是否真实,对于真实图片而言还需要判断它来自哪个域
  3. 与CycleGAN类似,还有一个一致性约束,将生成的fake图片和原始图片的域信息s结合起来喂入到生成器G要求能输出重建出原始输入图片x

 

下面分析一下各个部分的损失函数:

第一个是GAN常见的对抗损失:

技术分享图片

 

以上是关于StarGAN论文及代码理解的主要内容,如果未能解决你的问题,请参考以下文章

CVPR OralTensorFlow实现StarGAN代码全部开源,1天训练完

AI StarGAN

集成鲁棒性论文翻译及理解

集成鲁棒性论文翻译及理解

R-CNN 论文解读及个人理解(转)

xgboost导读及论文理解