CAN: Creative Adversarial Networks, Generating "Art" by Learning About Styles and Deviating from Style Norms

[Hirokazu-Narui]

論文: https://arxiv.org/abs/1706.07068 ブログ: https://hackernoon.com/can-creative-adversarial-network-explained-1e31aea1dfe8

Artについて、創造的な絵をGenerateするGAN. 従来のGANはDiscreminatorからreal/fakeの判定結果をGeneratorに教えていたが、CANでは生成されたデータが1. ArtかArtでないか, 2. どのクラス（この場合Style）に当てはまるかをGeneratorに教える。

1.のロスは通常のGANのロスと同じ（つまりrealかFakeか）。 2.のロスは多クラスのクロスエントロピー（通常の多クラス問題を解くときのロス）

おもしろいのはGeneratorが2.のロスを最小化することで、既存のクラスに無い絵を生成する。→つまり創造的な絵ができるという点。

[kkozuka]

論文中の「創造的」の定義： 生成された画像が既存のスタイル（既存クラス）のいずれとも判断がつかない → よい評価 ＝識別時のクロスエントロピーの大きさで評価