星GAN、UNet、MUnit、PWCT 一揽子深度生成模型

更多内容可关注我的知乎专栏：https://zhuanlan.zhihu.com/ikerpeng

接下来将要阐述的几类生成模型，主要集中于两个方面的任务。其一是风格迁移，其二是不同领域数据间的转换（Cross-Domain Image-to-image）。所采用的主要网络架构包括自动编码器和GAN。

StarGAN : yunjey/StarGAN

StarGAN能够将某一数据集中学到的信息迁移到其他数据集上。如图所示：

当用户提供一张图像并指定期望生成的表情类别时，该算法能够据此生成对应的图像。需要特别指出的是，这些表情数据在输入数据的领域中并不存在，而是通过从其他数据领域中学习获得的。

本文最具创新性的特征在于，仅使用一个生成器便能够完成多个数据领域的转换。同时，所生成图像的质量表现非常出色。进一步阐述该网络的优势：如果用户拥有来自4个不同领域的数据集，并希望实现它们之间的相互转换，则传统方法至少需要训练12个