程序员经验分享-hwhale

WDK李宏毅学习笔记第十五周01_Conditional Generation by Conditional

2023-10-26

Conditional Generation by GAN

摘要

上一章讲的GAN的输入是随机的vector，它是没办法控制GAN生成我们想要的目标，本章讲的是改进的GAN——Conditional GAN，它可以控制GAN生成我们想要的目标输出，Conditional GAN主要分为两大类，一类是Supervised一类是Unsupervised，本章主要是阐述Supervised Conditional GAN和Unsupervised Conditional GAN的原理和在图像生成和图像转换上的各种做法。

1、Supervised Conditional GAN

1.1 目的

之前的GAN，是随机输入一个vector然后产生输出，无法控制产生我们想要的输出。Conditional GAN就是控制我们想要输出的结果，例如输入文字 “火车”，然后machine就输出火车的图片。

1.2 做法

Conditional GAN是属于监督学习的，它的做法是向G输入train data和Normal distribution，然后生成image，将生成的图片放入D中，进行打分训练。但是这样是不够的，因为对G来说只需要产生清晰的图片就可以骗过D了，G可以完全无视train data，所以我们需要在D的打分上加一些约束。在这里插入图片描述
如下图，我们在D中不仅要输入图片x，还需要输入conditional data（train data），D在打分时，不仅要考虑图片是否像人画的还需要考虑图片与条件是否匹配。
在这里插入图片描述

1.3 Discriminator(D)的架构

  1. 一个常见的架构是将object x(图片)和condition c(文字)分别通过Network变成vector，然后组合在一起后丢给一个Network进行打分。
    在这里插入图片描述
  2. 一个新的架构是将上述办法做的事情拆开，也就是将用两个不同的Network，一个辨别图片是否真实，一个辨别图片与条件是否匹配。如此得到的结果更加清晰明了，当machine给某个图片低分时，我们也可知道该图标为什么是低分的。
    在这里插入图片描述

2、 Unsupervised Conditional GAN

2.1 常规做法

Conditional GAN是可以Unsupervised，以将现实图片转换为漫画图片为例，有以下三个常用方法可以实现：

  1. 将输入图片X丢给G，G负责将图片X转换成漫画图片Y，再将Y和真实的漫画图片丢给D，D负责判断Y和真实的漫画图片的相似度分数，该方法没有label，所有是无监督的。但这其实存在问题，就是G可以不考虑输入X，而直接生成一个与输入图片无关的漫画图片来骗过D。解决这问题的一个方法是在D打分时，还要考虑输入图片和Y，是否匹配。
    在这里插入图片描述
  2. 该方法是在1的基础上，将输入图片X和G生成的漫画图片分别丢给pre-trained的Encoder Network，然后得到两个code，再训练时，我们希望这两个code越接近越好，由此得到的X，和Y就是相似的。
    在这里插入图片描述
  3. 该方法是在1的基础上，再引入一个G，该G的做法是将生成的漫画图片Y再还原得到原本的输入图片，以此控制生成的漫画图片Y和输入图片X是接近的。
    在这里插入图片描述

2.2 其他的做法

2.2.1 StarGAN

前面讲的转换是从一个domain转到另一个domain，而StarGAN则是在不同domain的特征互相转换。它的做法是将target domain和原始图片输入到G中，然后G生成图片，为了验证G生成图片的是否完整的保持了原始图片的信息，我们将该图片重新丢给G并输入图片原来的domain将其完好的转变回来，我们希望转变回来的图片和原始图片越接近越好，以此得到好的Fake image，然后将Fake image丢给D，让D根据图片的真实性及Domain是否正确给Fake image打分。
在这里插入图片描述
下面就是StarGAN的应用，它将一个人从生气的domain转换为微笑的domain。
在这里插入图片描述

2.2.2 Projection to Common Space

它是希望真实图片输入，经过model输出动漫图片，动漫图片输入，输出真实图片。它的做法是分别train两个Auto-encoder，一个train真实图片，一个train动漫图片，为了确保生成的图片清晰，我们还分别引入D，确保产生图片的domain和清晰度。但是这样存在一个问题，由于两个Auto-encoder都是分开train的，所以我们没法保证真实图片和动漫图片的vector每个维度代表的意义是一样的。
在这里插入图片描述
这个问题比较常见的解决办法是让它们train的network最后几层的参数共用，而强迫使得其每个维度的含义相同。
在这里插入图片描述
还有另一个解决办法，在本质上和上述方法一样，它是在model的中间引入一个Domain Discriminator，该D做的事情是通过它们两者产生的vector来识别该vector是属于domain X的还是domain Y的，我们希望machine可以骗过Domain D，而机器为了成功骗过Domain D，就会使真实图片和动漫图片每个维度代表的含义相同。
在这里插入图片描述
还可以用Cycle consistency，它是将真实的图片通过encoder得到的code生成动漫图片，在将其作为输入丢给动漫图片的encoder，生成code，用其生成真实图片，然后希望生成的真实图片和原图越接近越好。
在这里插入图片描述

方法

  1. Supervised Conditional GAN用的方法是将train data和noise同时丢给G，G会生成图片，将G生成的图片及期望该图片对应的文字的encode组合起来丢给D，D在打分时，只有当G生成的图片像真的且文字和G对应的图片是匹配的时候才给高分。
    在这里插入图片描述

  2. Unsupervised Conditional GAN的方法有很多，它主要分为两类，一类是将输入从一个Domain转移到目标Domain，以真实照片二次元化为例，它的方法主要分为两步，一步是将Domain X和Domain Y通过Pre-trained将两者转换为vector，训练的时候让其越接近越好以保持生成的图片保留了Domain X的信息，一步是将Domain Y丢给D，D以Domain Y是否二次元给Domain Y评分以确保产生的图片是二次元的。
    在这里插入图片描述

    另一类是改变输入的某些特征。它的一个重要的方法叫StarGAN，以将人从愤 怒表情转换为微信为例，它的做法和上述方法类似，分为两步，一步将G生成的微信的图片再经过G还原成愤怒的图片，在训练时希望还原的图片与真实图片越接近越好，以此确保生成的图片保留了输入图片完整的信息，一步是将生成的图片丢给D，D根据图片的真实度及是否是目标Domain(这里是微笑表情)打分。
    在这里插入图片描述

结论

Supervised Conditional GAN适合图文结合且training data比较充足的情况下使用，约束条件较大。Unsupervised Conditional GAN则适用性较广，且这些方法的本质都可分为两步，一步确保生成的图片较完整的保留了输入图片的信息，一步是确保生成的图片是向着目标方向去生成的。

展望

本章都是以图片生成为例，但是Conditional GAN运用不止于此，近年来GAN的应用越来越多了，理论上生成问题及任何将输入特征提取转移到目标输出上的问题都可用Conditional GAN解决，例如Conditional GAN还可以解决变声器、图像修复等的问题。

本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)

笔记

WDK李宏毅学习笔记第十五周01_Conditional Generation by Conditional 的相关文章

  • 机器学习实战——朴素贝叶斯

    目录 一 朴素贝叶斯理论 1 概述 2 朴素贝叶斯特点 3 贝叶斯决策理论 4 条件概率与全概率公式 5 贝叶斯推断 二 朴素贝叶斯分类器应用 拉普拉斯修正 三 垃圾邮件分类 一 朴素贝叶斯理论 1 概述 朴素贝叶斯算法是有监督的学习算法

  • vue3.0模板

    GitHub Mstian Vue Onepiece Admin vue3 elementPlus后台管理简单模板https github com Mstian Vue Onepiece Admin

  • null，default关键字

    一 null关键字 1 null是空的意思 在表中 默认情况下 所有的字段值都可以为空 1 建表期间 可以对某一字段进行非空约束 not null 在insert时 此字段必须要有数据 create table temo id number

随机推荐

  • libuv之基础

    TCP客户端连接步骤 连接方法 Uv loop t loop uv default loop uv tcp t client malloc uv connect t connect req malloc uv tcp init loop c

  • C++ 仿函数(一)

    目录 一 仿函数是什么 二 仿函数的特点 1 仿函数在使用时 可以像普通函数那样调用 可以有参数 可以有返回值 2 仿函数超出普通函数的概念 可以有自己的状态 编辑3 仿函数可以作为参数传递 三 谓词 一元谓词示例 二元谓词示例 总结 一

  • 银行股的分红是不是比利率要高，投十万银行股一年分红有多少啊？

    工农交建中目前股息均超5 以上 10万元投资银行股 一年分红收益能达到5500左右 银行一年定期存款1 5 10万存款年利息1500 买银行股比存银行一年多收益4000左右

  • dell服务器重装win10,戴尔dell重装win10系统后无法引导的解决方法(原创)

    戴尔新机型都采用 Intel 酷睿第八代以上处理器 戴尔8代以上cpu都不支持传统模式了 默认预装了win10系统不是很好用 想重新安装win10 但是预装win10的机型默认是UEFI引导 但戴尔电脑装win10后出现不能引导情况 一般出

  • OpenFeign配合logback链路追踪

    创建MDC上下文 public class MdcContext MDC上下文 存储tId private static final ThreadLocal

  • 多线程（十）多线程编程示例

    文章目录 一 交替输出1A2B3C4D5E 1 1 synchronized wait notify 1 2 Condition await signal 二 生产者 消费者问题 2 1 synchronized wait notify 2

  • java final关键字修饰局部变量,final关键字的这8个小细节，你get到几个?

    今天来聊 final 关键字 因为最近在看的几本书都讲到了 final 关键字 发现好多小细节自己都忽视了 抽空总结了一下 分享给大家 正文 final关键字是一个常用的关键字 可以修饰变量 方法 类 用来表示它修饰的类 方法和变量不可改变

  • 数据在底层的存储模式

    1 数据的存储模式 大端存储模式 常见于我们的手机等 低地址放高数据 小端存储模式 比如PC 低地址存放低数据 面试题 设计程序判断大小端 这里可以有两种方式 1 写一个函数通过数据类型 int main int a 0x11223344

  • 我的服务器开发之路-安装mysql之mariadb并更改数据库路径

    centos最好安装mariadb 输入rpm qa grep mariadb 并没有显示版本号 则说明并没有安装mariadb 输入yum remove mysql mysql server mysql libs可完全卸载mysql相关

  • K8S个人学习之路

    服务器预备环境 1 永久禁用swap空间 1 临时关闭swap分区 重启失效 swapoff a 2 永久关闭swap分区 sed ri s swap etc fstab 2 修改k8s gcr io 路径的镜像 其他的镜像仓库 MY RE

  • Spark-RDD编程

    Spark在进行计算的时候通常会包含以下几个步骤 创建SparkContext上下文对象 使用SparkContext加载数据创建RDD RDD的转换算子transfotmations RDD的行动算子actions RDD的缓存和持久化

  • 反射获取字段的值与非空校验

    获取指定字段的值 通过字段对应的get方法 public Object getFieldValueByName1 String fieldName Object obj try String firstLetter fieldName su

  • 《Semi-Supervised Semantic Segmentation with Cross-Consistency Training》 2020CVPR 论文阅读

    在这项工作中 作者首先观察到 对于语义分割 低密度区域在隐藏表示中比在输入中更明显 作者提出了交叉一致性训练 其中预测的不变性是施加不同的扰动在编码器输出上 Cross Consistency Training 该模型包含一个共享的enco

  • SQL千万级大数据量查询优化

    转发自 https blog csdn net long690276759 article details 79571421 spm 1001 2014 3001 5506 防止查询资料找不到来源 很详细 1 对查询进行优化 应尽量避免全表

  • c++中istringstream及ostringstream超详细说明

    文章目录 1 stringbuf类介绍 1 1 stringbuf类构造函数 1 2 str函数 2 istringstream类 2 1 rdbuf函数 2 2 swap函数 3 ostringstream类和stringstream类

  • whisper

    Robust Speech Recognition via Large Scale Weak Supervision 介绍 大规模弱监督的训练 先前的方法都是通过大量的无监督学习训练 无监督的数据容易收集 所以通过大量无监督的学习可以训练出

  • Node中的事件循环

    Node中的事件循环 Node的底层语言是libuv 使用v8引擎解析js脚本 libuv负责调用接口API 将不同的任务交给不同的线程处理 再将处理结果交给v8引擎 v8引擎再将处理结果发送给用户 Node中任务的执行顺序 timers定

  • Mybatis-Plus：Service接口

    目录 IService接口 1 写实体类 2 写mapper接口 3 写service接口 4 写service接口的实现类 IService自带方法 1 save 2 SaveOrUpdate 3 Remove 4 Update 5 Ge

  • xss-domcobble绕过XSSfilter

    目录 DOM破坏的原理 例题 多层标签 HTMLCollection 一些常见的标签的关系 三层标签如何获取 例题 DOM破坏的原理 DOMClobber是一种攻击技术 它利用了DOM 文档对象模型 的特性来破坏或修改网页的结构和功能 DO

  • WDK李宏毅学习笔记第十五周01_Conditional Generation by Conditional

    Conditional Generation by GAN 文章目录 Conditional Generation by GAN 摘要 1 Supervised Conditional GAN 1 1 目的 1 2 做法 1 3 Discr

热门标签