《Image Generation with PixelCNN Decoders》論文筆記

論文背景：Google Deepmind團隊於2016發表在NIPS上的文章

motivation：提出新的image generation model based on pixelCNN[1]架構。可以為任意輸入vector結合標簽生成圖片，在先驗信息的前提下加入條件分布信息

模型關鍵：根據鏈式條件概率，逐行生成，逐像素點生成

相對於GAN的優勢：

• GAN只善於處理連續數據，pixelCNN對連續數據和非連續數據都能很好perform
• 鏈式likelihood表達可以比GAN更好的提供生成目標的評價系統，雖然也不盡完美

 

相對於GAN的劣勢：

1. 訓練速度慢得嚇死人，openAI基於CIFR dataset 收斂需要8塊Titan上train 5天，直接打消本窮人的訓練欲望
2. sample quality明顯不如GAN。

1.Aaron van den Oord, Nal Kalchbrenner, and Koray Kavukcuoglu. Pixel recurrent neural networks. arXiv

preprint arXiv:1601.06759, 2016.