我已经有两年 ML 经历，这系列课主要用来查缺补漏，会记录一些细节的、自己不知道的东西。

这是我的李宏毅老师 GAN 系列第3篇笔记，GAN 系列：

• 1：Basic Idea
• 2：Conditional GAN

本节内容综述

1. 可以理解为一种“风格迁移”的技术。但是我们收集不到不同风格间有 link 的数据。
2. 对于 Unsupervised Conditional Generation ，李老师将其分为两类：Direct Transformation 与 Projection to Common Space 。
3. 首先来讨论第一个类别 Direct Transformation 。提到了 Cycle GAN ，还由此提及了 StarGAN 。
4. 接下来讨论第二个类别 Projection to Common Space。提到了不少的GAN，主要解决的问题是将不同风格的编码-解码器连接起来，都适用于其中间产生的 code 。

小细节

Unsupervised Conditional Generation

如上，我们希望机器可以“独立地”完成图片/语音风格的转换。

如上，李老师将其分为两类：Direct Transformation 与 Projection to Common Space 。

Direct Transformation

如何让机器知道，是否是这个风格的图片呢？如同上天，让 D 见过这个风格的图片，之后，再争取让 G 生成的图片骗过 D ，让 D 觉得也是这个风格的图片。

但是问题是，G可能产生与 input 完全不相关的东西。怎么办呢？

• 无视这个问题，其实也可以；
• 还有一些其他方法比如下图（对G的输入输出进行编码，力求编码相似）。
  

Cycle GAN

此外，G可能产生与 input 完全不相关的东西还有别的思路如 Cycle GAN 。

如上，我们希望生成的图片可以转回其本身。

此外，如上图，我们可以把两种风格一起训练，相互转换。

Issue of Cycle Consistency

如上，中间产物的红框部分是没有黑点的，但是其利用中间产物生成回去还会有黑点。

因此，可以推测Cycle GAN是可以“藏”信息的，那这样Cycle GAN就没有意义了，因为我们使用Cycle GAN的初衷就是 $G_{x \to y}$Gx→y​ 的输入输出差别不要太大。但是现在发现其能将信息“藏”起来，这样可能 Cycle GAN 意义就不大了。

如上，这是不同的人在同一时间提出了相同的方法，只不过发在了不同的会议而已。

StarGAN

如上，做了一个 Generator ，希望能在多个领域互相转换。

上面 (a) 中还要判断图片来自哪个 Domain 组合。

如上 (b) 与 © 步骤：

• 输入目标领域与图片，得到假的图片；
• 再将假的图片与目标领域输入回同一个 Generator ，要求其能生成原来的真图片。

这类似 CycleGAN 。


如上，这里的 Domain 其实是一个向量组合：[是否年轻，头发黑色，...]类似如此的特征描述。

Projection to Common Space

如上，在这种转换中，我们希望有不同领域的编码器与解码器。

但是，如上这种模式中，上下两组 GAN 是没有关联的。输入一个 X 领域的数据，编码，通过 Y 领域解码器解码后，得到的可能是截然不同的图片。

如何解决呢？

Couple GAN / UNIT

如上，可以对所有的 编码器 EN ，在最后几层都共用参数。

Domain Discriminator

如上，我们还可以设置一个 Domain Discriminator，让不同的编码器都能骗过这个 Discriminator 。这样，就会强迫不同的编码器生成的 code 服从同一分布，或者说，使用相同的信息表示方法，相当于做了特征排序。

Cycle Consistency / ComboGAN

如上，也可使用 Cycle Consistency 的方法。

DTN / XGAN

如上，使用 Semantic Consistency 的方法。

举例

使用 GitHub 的链接：

• github.com/Hi-king/kawaii_creator
  

此外，也可以进行语音的转换。这样对数据样本也降低了不少要求。