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

2024-02-18 07:32

本文主要是介绍WDK李宏毅学习笔记第十五周01_Conditional Generation by Conditional,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

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 Discriminator(D)的架构
  • 2、 Unsupervised Conditional GAN
    • 2.1 常规做法
    • 2.2 其他的做法
      • 2.2.1 StarGAN
      • 2.2.2 Projection to Common Space
  • 方法
  • 结论
  • 展望


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。

这篇关于WDK李宏毅学习笔记第十五周01_Conditional Generation by Conditional的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/720473

相关文章

Java深度学习库DJL实现Python的NumPy方式

《Java深度学习库DJL实现Python的NumPy方式》本文介绍了DJL库的背景和基本功能,包括NDArray的创建、数学运算、数据获取和设置等,同时,还展示了如何使用NDArray进行数据预处理... 目录1 NDArray 的背景介绍1.1 架构2 JavaDJL使用2.1 安装DJL2.2 基本操

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

学习hash总结

2014/1/29/   最近刚开始学hash,名字很陌生,但是hash的思想却很熟悉,以前早就做过此类的题,但是不知道这就是hash思想而已,说白了hash就是一个映射,往往灵活利用数组的下标来实现算法,hash的作用:1、判重;2、统计次数;

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

hdu 2602 and poj 3624(01背包)

01背包的模板题。 hdu2602代码: #include<stdio.h>#include<string.h>const int MaxN = 1001;int max(int a, int b){return a > b ? a : b;}int w[MaxN];int v[MaxN];int dp[MaxN];int main(){int T;int N, V;s

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

系统架构师考试学习笔记第三篇——架构设计高级知识(20)通信系统架构设计理论与实践

本章知识考点:         第20课时主要学习通信系统架构设计的理论和工作中的实践。根据新版考试大纲,本课时知识点会涉及案例分析题(25分),而在历年考试中,案例题对该部分内容的考查并不多,虽在综合知识选择题目中经常考查,但分值也不高。本课时内容侧重于对知识点的记忆和理解,按照以往的出题规律,通信系统架构设计基础知识点多来源于教材内的基础网络设备、网络架构和教材外最新时事热点技术。本课时知识