GAN Lecture 7 (2018): Feature Extraction

https://colab.research.google.com/github/zuti666/generative-models/blob/master/Feature_Extraction.ipynb

Info GAN 要处理的问题

input 和 output 不同维度上没有什么关系，不是简单的确定关系

Info GAN 是什么

c 的维度代表某些特征

[1606.03657] InfoGAN: Interpretable Representation Learning by Information Maximizing Generative Adversarial Nets (arxiv.org)

VAE -GAN

Algorithm

公式

Autoencoding beyond pixels using a learned similarity metric (mlr.press)

BiGAN /ALi

Algorithm

原理

只learn d/e 与学习 autoencodeer 有什么区别

[BiGAN] Adversarial Feature Learning (arxiv.org)

encoder 和 decoder 联手骗过 Discrimniator

Triple GAN

Triple Generative Adversarial Nets (neurips.cc)

少量label data ,大量 unlabel data , semi-supervised learning

目标是学习一个好的 classifier

公式

Domain-adversarial training

抽取特征

Domain-adversarial

Feature Disentangle

Encoder 和 Decodeer 中间抽取的特征并不一定是自己想要的信息，并且不清楚特征对应什么

我们想要对应不同东西对应的特征

怎么做—1控制不同特征

怎么做 ，2训练一个分类器 GAN的思想

Speaker-Invariant Training Via Adversarial Learning