Open irfanICMLL opened 7 years ago
本文致力于找到一个通用网络来避免人为对损失函数的设计，通过image-to-image的形式，使用同一种网络结构对不同问题进行处理。 本文读了最大的收获是发现作者开源了一个框架——cGAN的，本来是基于TORCH写的，不过现在也有具有智慧的大众用tensorflow写的开源版本了。 第二大的收获是，文章还提供了原始训练数据一大堆，比如对我们可能有用的包包鞋子的sketch 和 image
此外： cGAN和GAN的区别在于cGAN是让判别器可以看到真实标签的数据的。并且为了让图片细节更丰富，给生成器加入了L1正则项。 作者也提出了欧氏距离会使生成的图像模糊。因此不采用这种代价函数 通读下来大概scribbler那篇文章可能受这篇的启发。（scribbler那篇文章中也提到了两者是cocurrent work。）以及scribbler作者说自己最大的贡献是提出了一个user可控的图片输入，（就是指可以带颜色训练那个）但是感觉，也没用到新的网络结构，只是训练数据改成了带颜色的输入？可能是我理解还有一定偏差。。。
本文致力于找到一个通用网络来避免人为对损失函数的设计，通过image-to-image的形式，使用同一种网络结构对不同问题进行处理。 本文读了最大的收获是发现作者开源了一个框架——cGAN的，本来是基于TORCH写的，不过现在也有具有智慧的大众用tensorflow写的开源版本了。 第二大的收获是，文章还提供了原始训练数据一大堆，比如对我们可能有用的包包鞋子的sketch 和 image
此外： cGAN和GAN的区别在于cGAN是让判别器可以看到真实标签的数据的。并且为了让图片细节更丰富，给生成器加入了L1正则项。 作者也提出了欧氏距离会使生成的图像模糊。因此不采用这种代价函数 通读下来大概scribbler那篇文章可能受这篇的启发。（scribbler那篇文章中也提到了两者是cocurrent work。）以及scribbler作者说自己最大的贡献是提出了一个user可控的图片输入，（就是指可以带颜色训练那个）但是感觉，也没用到新的网络结构，只是训练数据改成了带颜色的输入？可能是我理解还有一定偏差。。。