本文作者： slience_me

深度生成模型之数据生成GAN

数据生成的应用

1. 图片设计创作

• 生成重复性工作多，且需要一定创作能力的作品

2. 数据增强

• 生成数量更多，类型更加丰富的数据

3. 数据仿真

• 生成更加真实的数据，提升仿真数据的质量

4. 视频生成、预测、编辑

• 生成视频、对视频帧进行预测

5. 语音生成

• 生成说话语音序列与音乐(WaveGAN/GANsynth)

6. 文本生成

• 完形填空，句子生成，长文本生成等(MaskGAN,SeqGAN,LeakGAN)

图像生成模型结构

1. 基本卷积GAN

• DCGAN

2. 多尺度与残差GAN模型

• LAPGAN,基于残差的学习机制

• PGGAN,基于逐渐提高分辨率的学习机制

3. 条件生成GAN

• CGAN，显式控制生成结果

• InfoGAN，隐式控制生成结果

4. 半监督条件GAN模型

• ACGAN(增加标签输出作为辅助，提高生成质量)

5. 属性向量的学习

• IcGAN，使用编码器完成从图像到属性本身的学习，然后通过更改属性生成新的图片。

6. 分层属性模型StyleGAN

• 输入映射网络，Mapping Network

• 自适应风格化曾，AdaIN层

• StyleGAN的应用

注：部分内容来自阿里云天池