综述 | 一文帮你发现各种出色的GAN变体(3)

他们如何强制 C 对这些特征进行编码？他们改变了损失函数以防止 GAN 简单地忽略 C。因此，他们采用一个信息理论的规则，来确保 C 与生成器分配之间的高互信息。换句话说，如果 C 改变，生成的图像也需要改变。结果，你无法明确控制哪种类型的信息会被编码进 C，但 C 的每个位置都具有唯一的含义。看一些视觉示例：

　　

C 的第一个位置编码数字类别，而第二个位置编码旋转。

但是，不使用标签信息需要付出代价。这里的限制是这些编码仅适用于相当简单的数据集，例如 MNIST 数字。此外，你仍然需要「手工制作」C 的每个位置。例如在文章中，他们需要指定 C 的第一个位置是 0 到 9 之间的整数，因此它适用于数据集的 10 个数字类别。所以，你可能会认为这不是 100％ 无监督，因为你可能需要向模型提供一些小细节。

你也许想要使用 infoGAN，如果：

你的数据集不是很复杂。

你想训练 cGAN，但你没有标签信息。

你希望看到数据集的主要的有意义的图像特征是什么，并且可以控制它们。

Wasserstein GAN

TL; DR：改变损失函数以包含 Wasserstein 距离。结果，WassGAN 具有与图像质量相关的损失函数。此外，训练稳定性也提高了，而且不依赖于架构。

[文章]（https://arxiv.org/abs/1701.07875）

GAN 一直在收敛性方面存在问题，结果是，你不知道何时停止训练。换句话说，损失函数与图像质量不相关。这是一个头痛的大问题，因为：

你需要不断查看样本，以了解你的模型是否在正确训练。

你不知道何时应该停止训练（没有收敛）。

你没有一个量化数值告诉你调整参数的效果如何。

例如，看这两个能够完美生成 MNIST 样本的 DCGAN 的毫无信息量的损失函数图：

　　

　　仅通过看这个图你知道什么时候停止训练吗？我也不行。

这个可解释性问题是 Wasserstein GAN 旨在解决的问题之一。怎么样？GAN 可被解释以最小化 Jensen-Shannon 发散，如果真和假的分布不重叠（通常是这种情况），则它为 0。所以，作者使用了 Wasserstein 距离，而不是最小化 JS 发散，它描述了从一个分布到另一个分布的「点」之间的距离。这大概是其主要思想，但如果你想了解更多，我强烈建议你访问这一链接（）进行更深入的分析或阅读文章本身。

因此，WassGAN 具有与图像质量相关的损失函数并能够实现收敛。它也更加稳定，也就意味着它不依赖于架构。例如，即使你去掉批处理归一化或尝试奇怪的架构，它也能很好地工作。

　　

这是 WassGAN 损失函数的图。损失越低，图像质量越高。整齐！

你也许想要使用 Wasserstein GAN，如果：

你正在寻找具有最高训练稳定性的最先进的 GAN。

你想要一个有信息量的可解释的损失函数。

结语

所以，现在就是这些！我知道还有更有趣的研究去评论，但在这篇文章中，我决定专注于一个有限的集合。只是举几个例子，下面是一些我没有评论的文章的简短列表，也许你想去看看：

GAN 应用于视频：https://github.com/SKTBrain/DiscoGAN

图像完成：https://arxiv.org/abs/1609.04802

GAN + 可变性 AutoEncoder 混合：https://github.com/junyanz/iGAN

向 GAN 添加一个编码器以重建样本：https://phillipi.github.io/pix2pix/

图像到图像的翻译：https://ishmaelbelghazi.github.io/ALI/

交互式图像生成：https://arxiv.org/abs/1512.09300

使用 GAN 增加图像质量：https://bamos.github.io/2016/08/09/deep-completion/

将鞋子变成等价的包（DiscoGAN）：

　　更广泛的研究列表，请查看此链接：https://github.com/zhangqianhui/AdversarialNetsPapers。

　　此外，在这个 repo（https://github.com/wiseodd/generative-models）中，你会发现 Tensorflow 和 Torch 中的各种 GAN 实现。

　　最后，机器之心所关注的GAN文章列表：

　　原文地址：