[读书笔记] Conditional Generative Adversarial Nets

今天跟大家分享的论文是条件-GAN，不知道上一篇WGAN大家看的怎么样，因为公众号刚开通，貌似还不能留言，如果有问题，可以加我微信交流哦，如果发现问题，一定要告诉我，大家共同进步！比心 - * -

条件GAN的作者是蒙特利尔大学的Mehdi Mirza，和Lan GoodFellow是校友哦！恩~~我就是说说。下面从摘要开始，另外我只会把里面关键的点说一下，拒绝写长文，拒绝深度好文，只求效率！恩，大概就是想表达这个意思。

1.摘要

先贴原文，如果手机看不清楚，可以把原文拿出来对照看一下。

摘要里面主要就是想说，这篇文章提出了一个新的模型，就是条件GAN，这里的条件y，既存在生成模型中，也存在判别模型中。这篇paper使用的y是mnist数据集的labels。这里出现了一个multi-modal model，我也是第一次看到，查了一下有人翻译成多模态，简单说比如一个图像包括图像本身和文字tag。这个tag，并不属于训练的labels。

2. 引言

原始的GAN生成的图像是没法控制的，也就是说最后生成的图像是什么样，事先是没法知道的，但是条件GAN则不同，通过给模型添加一些事先知道的关于训练数据的信息，可以达到想要的图像，这个信息也可以是除了label以外的形式。

3. 背景

首先指出了现阶段有监督神经网络存在的两个问题，其一是模型对于大规模类别输出的适应性问题，其二是输入和输出的映射关系由一对一向一对多的转换问题。用人话说一遍，就是怎么由简单的问题向复杂问题转变的问题，既然问题变复杂了，那么原来简单的模型必然不能解决。

接下来就是怎么解决这个问题

解决第二个问题的一种方法是利用条件概率生成模型，输入变为条件变量，并且一对多的映射关系实例化为条件概率分布。

四、条件GAN的建立

公式1是原始GAN的，公式2是条件GAN的。从公式里面其实可以很容看出来，二者的区别，条件GAN是再生成模型和判别模型中加入了一个先验的信息。条件GAN如此简单，以至于我都不知道接下来在说什么了，好吧，最后附上论文里的一张图，看的更清楚一些。

条件GAN思想确实比较简单，作者在paper里面也说了，这只是extremely preliminary。这篇论文被引50+，后面我会选择效果较好的1-2篇基于条件GAN的改进模型，介绍给大家，非常感谢大家的关注！

本文为作者原创，如有雷同，必然是别人抄我的。

[ 参考文献 ]

1. Mirza, M., & Osindero, S. (2014). Conditional generative adversarial nets. Computer Science, 2672-2680.