ConditionalGAN

調整できるパラメータを持つGAN。多クラスの画像を生成する場合はクラスラベルを、MNISTを渡す場合は10個のベクトルをパラメータとして持たせる。

この章を学ぶ前に必要な知識

条件

効果

ポイント

ConditionalGANはランダム入力のみを与えていたGANに、制御可能なパラメータを持たせた条件付きのGANとなっている。	GANとは
ConditionalGANにおいて通常と異なる部分は以下。入力・G (Generator) ランダム入力+制御したいパラメータ MNISTなら[0,0,1,0,0,0,0,0,0,0]のベクトルをノイズのベクトルの列につなげる。(この例では2を表す。出力画像は2になるはず) ・D (Discriminator)の入力画像 + 指定したラベル画像　　Gではベクトルだったが、Dの入力では画像のチャンネルを増やす。下図を参照　　◆Real画像(本当のMNIST画像) 　　◆Fake画像(Generatorが作った画像) 　　　上記両方とも対応する画像チャンネルの値を全て1などに設定する。出力・G 　　GANの出力と同じ・D 　　GANの出力と同じ	ConditionalGANの入出力
	2のラベルを指定した時のネットワーク例。 Discriminatorの入力を画像のチャンネルに渡す形でパラメータ(ラベル情報)を与えているが、 Convolution層はなく全てFull-connectedならベクトルを結合するだけで構わない。

この章を学んで新たに学べる

Comments

知識: GANとは

近年注目されている画像等を生成するニューラルネットワークを用いた学習手法.二つのニューラルネットワークを使って片方の識別能力をあげる点が特徴.既にGANの改良系が数十種類提案されている.