💡
原文中文，约1200字，阅读约需3分钟。
📝
内容提要
本文介绍了在使用生成对抗网络（GAN）时，将条件信息加入到生成模型G和判别模型D中，以引导模型的训练，并将该方法应用于跨模态问题，如图像自动标注。同时，介绍了条件对抗网络（CGAN），在生成模型G和判别模型D中加入条件约束y来引导数据的生成过程，以更好地应用于跨模态问题。
🎯
关键要点
- 本文介绍了在生成对抗网络（GAN）中加入条件信息以引导模型训练。
- GAN由生成模型G和判别模型D组成，二者通过博弈不断提升能力。
- 模型G和D的训练过程是一个二元极小极大博弈问题。
- 条件对抗网络（CGAN）通过在G和D中加入条件约束y来改善生成过程。
- 条件可以是类标签或其他模态的数据，使GAN更适用于跨模态问题。
- 生成器接收噪声z和条件y，判别器接收数据x和条件y进行判断。
➡️
