大家好，歡迎來到我們的星球知識小卡片專欄，本期給大家分圖像生成的核心技術點。

作者&編輯 | 言有三

1 基本圖像生成框架

一個基本的圖像生成框架包括判別器和生成器，其中生成器輸入噪聲向量，判別器判別真實圖像和生成的圖像，DCGAN是其中典型的代表，也是新手入門必須掌握的第一個框架。

2 條件GAN

DCGAN固然是可以生成滿足訓練數據集中數據分布的圖片，但是卻沒有辦法進行精確的控制，比如生成具體的某一類數字，或者某一類筆畫風格，因此我們需要條件可以控制的網絡，這就是條件GAN，這也是新手必須掌握的內容，是后續很多GAN變種的基礎。

3 級聯GAN

早期以DCGAN為代表的GAN網絡生成的圖片分辨率太低，質量不夠好，都不超過100×100，這是因為難以學習一次性生成高分辨率的樣本，收斂過程容易不穩定。基于此，金字塔GAN(LAPGAN)，Progressive GAN等級連結構被提出并廣泛使用，它們參考圖像領域里面的金字塔結構由粗到精一步一步生成圖像，并學習殘差而不是完整的圖像。

4 多判別器與生成器

當面對復雜的圖像生成問題時，單個判別器和生成器的能力顯得就不夠了，因為多個判別器和生成器的結構被研究者廣泛研究。采用多個判別器的好處帶來了類似于模型集成的優勢，并且可以獨立完成不同的任務，而多個生成器的設計則可以實現生成器的分工合作，以提高模式豐富性。

5 GAN與VAE的結合

GAN和VAE是兩類最常見的生成模型，VAE的特點是可解釋性更強，不過生成結果比較模糊。GAN的特點是生成結果更加逼真，但是容易陷入模式崩塌等問題。有許多研究致力于融合兩者的性能，如ALI，它包含了編碼器，解碼器以及判別器。

6 其他

總的來說，圖像生成有非常多的研究方向，包括：

(1) 條件GAN的各類變種。

(2) 與VAE的結合。

(3) 多生成器多判別器改進。

(4) 遞歸與多尺度設計。

(5) 各類層歸一化機制的使用。

(6) 注意力機制的使用。

(7) 從2D數據到3D數據的生成。

(8) 多模態技術的使用。

(9) 數據生成在數據增強，無監督訓練等任務中應用。

(10) 其他等等。?

以上內容，如果你不想自己學習，可以去我們知識星球的網絡結構1000變板塊—GAN板塊閱讀。

有三AI知識星球

知識星球是有三AI的付費內容社區，里面包括各領域的模型學習，數據集下載，公眾號的付費圖文原稿，技術總結PPT和視頻，知識問答，書籍下載，項目推薦，線下活動等資源，了解詳細請閱讀以下文章：

【雜談】有三AI知識星球一周年了！為什么公眾號+星球才是完整的？

【雜談】萬萬沒想到，有三還有個保密的‘朋友圈’，那里面都在弄啥！

轉載文章請后臺聯系

侵權必究

往期精選

• 【雜談】2020年有三AI計算機視覺培養計劃詳解，該不該學&怎么學CV的簡單討論

• 【年終總結】2019年有三AI做了什么，2020年我們要做什么？
  

• 【總結】有三AI秋季劃模型優化組3月直播講了哪些內容，為什么每一個從事深度學習的同學都應該掌握模型優化的內容

• 【總結】有三AI秋季劃人臉算法組3月直播講了哪些內容，計算機視覺你不可能繞開人臉圖像

• 【總結】有三AI秋季劃圖像質量組3月直播講了哪些內容，為什么解決好底層圖像處理問題那么重要

• 【星球知識卡片】殘差網絡家族10多個變種學習卡片，請收下！

• 【星球知識卡片】移動端高效率的分組網絡都發展到什么程度了？

• 【星球知識卡片】注意力機制發展如何了，如何學習它在各類任務中的應用？

• 【星球知識卡片】模型剪枝有哪些關鍵技術，如何對其進行長期深入學習

• 【星球知識卡片】模型量化的核心技術點有哪些，如何對其進行長期深入學習

• 【星球知識卡片】模型蒸餾的核心技術點有哪些，如何對其進行長期深入學習

• 【星球知識卡片】視頻分類與行為識別有哪些核心技術，對其進行長期深入學習

總結

以上是生活随笔為你收集整理的【星球知识卡片】图像生成都有哪些核心技术，如何对其进行长期深入学习的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。