GANs mit PyTorch selbst programmieren

KAPITEL 10

Konditionierte GANs

Die weiter oben entwickelten MNIST-GANs haben eine breite Vielfalt von Ausgabebildern generiert. Das war gewünscht, denn eine ständige Herausforderung beim Entwurf von GANs ist es, eine geringe Differenziertheit und letztlich einen Mode Collapse zu vermeiden.

Es wäre nützlich, wenn wir unser GAN irgendwie dazu bewegen könnten, Bilder zu erzeugen, die zwar vielfältig, aber auch auf eine Klasse der Trainingsdaten beschränkt sind. Dann könnten wir unser GAN zum Beispiel anweisen, verschiedene Bilder der Ziffer 3 zu erzeugen. Wenn wir mit Gesichtsbildern trainieren, könnten wir ein GAN beispielsweise dazu veranlassen, nur fröhliche Gesichter zu erzeugen, wenn es Emotionen als Klasse in den Trainingsdaten gibt.

cGAN-Architektur ...