GAN與pix2pix,CycleGAN,pix2pixHD關系淺談

本文聲明，轉載自
一文讀懂GAN, pix2pix, CycleGAN和pix2pixHD
僅做備份和總結使用

本文對上述文章做一個簡單的總結和梳理，詳細內容還請閱讀原文。

GAN（Generative Adversarial Network)生成對抗學習網絡：

• 一般來說GAN由兩種網絡構成G(Generator)和D(Discriminator)，分別用於生成圖片和判斷真假。

在兩個網絡互相博弈過程中，兩個網絡不斷學習和升級，G生成的圖片越來越像真的，D判斷真假的能力越來越高。此時拋棄D，只留下G，用於圖片的生成，此時我們便得到一個優質的圖片生成器。

• GAN的局限性：

1. 沒有用戶控制能力：
   在傳統的GAN里，隨機輸入一個噪聲，隨機輸出一幅圖像。
   無法根據用戶的要求，輸出用戶所需要的圖像。
2. 低分辨率和低質量的圖

• 改善GAN：

提高GAN的用戶控制能力
提高GAN生成圖片的分辨率和質量

為了達到這一目的，進而產生了下述三種優化后的網絡：

1. pix2pix：有條件的使用戶輸入，使用成對的數據進行訓練
2. CycleGAN：使用不成對的數據進行訓練
3. pix2pixHD：生成分辨率更高，質量更高的圖像。

以上便是GAN與pix2pix等網絡的關系，具體詳細的對比介紹請參考原作者博客。