0
雷锋网 AI 科技评论按：如何让GAN生成带有指定特征的图像？这是一个极有潜力、极有应用前景的问题，然而目前都没有理想的方法。韩国大学电子工程学院Minhyeok Lee和Junhee Seok近期发表论文，就生成对抗网络的控制问题给出了自己的办法，雷锋网 AI 科技评论根据原文进行如下编辑，原文链接
生成对抗网络（GANs）是最近几年提出的新方法，在其问世之后的短短时间内，生成对抗网络已经在生成真实的样本上表现出很多有前途的结果了。然而， 在生成对抗网络的使用上，目前还有未能解决的问题：由于发生器（Generator）的输入变量是随机的，控制GANs产生的样本非常困难。业界了已经有了一些解决方案，但是这些方案普遍没有办法很好地应用在复杂问题上。除此之外，难以将发生器集中在产生真实的图像和产生有差异的图像的任务上，也一直亟待解决。比如，沿用已知的模型，用于脸部图像生成的发生器就无法专注于两个目标中的某一个，即根据标签产生人脸的真实图像，或是产生有差异的人脸图像。这篇文章则介绍了一种新的方法，即可控生成对抗网络（Controllable GAN， CGAN）。CGAN在控制生成样本上有很强的表现，同时，它还能控制发生器专注于单个目标（生成真实的图像或产生不同的图像）。文章最后使用CelebA的数据库对CGAN进行评估。CGAN实现了对GAN的控制，相信可以加速和助益GAN的研究。
生成对抗网络（GAN）是一种神经网络架构，被引用来生成真实的样本。尽管这个架构是近几年才提出的，GAN的大量成果不仅表现于生成真实样本上，还体现于机器翻译和图像超分别率的应用中。
但是，由于样本发生器的输入是随机分布的，在生成真实样本的时候，很难控制GAN。比如，生产的vanilla GAN样本是现实的，也具备多样性，但是随机输入和生成样本的特征之间的关系却不明显。
在过去的几年中，尝试控制由GAN产生的样本的研究从未停止。其中，最为著名的控制方法就是有条件的GAN（Conditional GAN）。有条件的GAN将标签分别输入发生器（Generator）和鉴别器（Discriminator），由此他们可在训练时有条件的工作。但是，这种有条件的GAN不能解决控制发生器专注于一个任务的问题，如生成真实样本和根据输入标签在样本之间产生差异的任务。例如：CelebA数据库包含202559张名人的脸部图片，有40中不同的特征标记，如戴帽子或者年轻人等。当有条件的GAN生成真实样本时，预训练的只有一些简单的标签，比如笑、帽子之类的。为了让发生器具备处理复杂标签的能力，如尖尖的鼻子或者拱形的眉毛，需要控制发生器更注重根据标签生成不同的样本。
在这篇论文中，作者介绍了一种新颖的生成对抗网络架构来控制生成的样本，称为可控生成对抗网络（CGAN）。CGAN由三个部分构成，发生器/解码器，鉴别器和分类器/编码器。在CGAN中，发生器和鉴别器、分类器同时工作；发生器旨在欺骗鉴别器并同时需要被分类器正确的进行分类。
与现有的模型相比，CGAN具有两个主要的优势。首先，CGAN可以通过参数化损失函数专注于条件GAN的两个主要目标中的一个目标，即真实样本或者表现差异。因此，如果要牺牲真实实现差异性，CGAN可以根据复杂标签生成面部图像。其次，当鉴别器使用条件GAN时，CGAN使用一个独立的网络进行相应输入标签的特征映射。因此，鉴别器可以更多的专注进行假样本和原始样本之间的甄别，从而提高生成样本的真实性。 在这篇论文中，使用CelebA进行CGAN的实验。通过实验，证实了CGAN可以有效地根据输入标签生成人脸图像样本。
CGAN由三种神经网络结构组成，发生器/解码器，鉴别器和分类器/编码器。图1中描述了这种CGAN的架构。这三种结构相互协作，发生器尝试欺骗鉴别器，这与vanilla GAN相同，并且旨在正确的被分类器进行分类。发生器和分类器也可以理解为解码器-编译器的结构，原因是标签是发生器的输入同时是分类器的输出。
CGAN对如下的方程进行最小化：
l 是样本x的二进制表示，并且是发生器的输入数据，同时还作为鉴别器和分类器的参数。
CGAN强制将特征映射到相应输入发生器的l。这个参数决定了发生器专注于样本真实性的程度。这篇论文中应用了Boundary Equilbrium GAN（BEGAN）架构，即目前最新的生成图像样本的GAN架构。发生器由四个反卷积层组成。每层使用5*5的过滤器。鉴别器由四个卷积层和4个反卷积层构成。分类器由4个卷积层和一个全连接层构成。为了验证方法的效率，并没有使用dropout和max-pooling。我们将α设置为0.5，β设置为1并将γ设置为5。
使用CelebA数据库生成多标签的名人人脸图片样本
通过想发生器输入多个标签，CGAN可以生成多标签样本。CelebA数据库由多个标签的图片构成。例如，一个样本图片可以有“Attractive”，“Blond Hair”，“Mouth Slightly Open”和“Smiling”的标签。
首先，使用一个标签生成图片。生成的样本见图2。
像之前讨论的，CGAN可以通过向发生器输入多个标签生成多标签的样本。图3是通过CelebA生成的多标签图片。其中“No Label”的图片只通过随机分布z~N(0,1)生成，并且输入标签设置成一个0矩阵，长度为40，l=【0,0,...，0】。“+ Attractive”的图片由同样的z和“Attractive”标签的二进制生成。类似的，最后一组图片是由z和多个标签生成的。
CGAN还具有另一优势：相较于条件GAN，CGAN可以生成label-focused样本。通过选择γ的低值，可以讲发生器更多的专注于输入标签。图4是CGAN，γ=5和条件GAN的对比。从图中可以看出CGAN生成的人脸图片比条件GAN更契合输入标签。例如，使用“Arched Eyebrow”标签时，CGAN生成的图片全部符合这个标签的特征，而条件GAN则有偏差。
这篇论文提出了一种新的生成网络模型，即CGAN，这种模型可以控制生成的图片样本。CGAN包含三个模块，发生器/解码器，鉴别器和分类器/编码器。通过将相应的特征映射到输入标签上，生成的样本可以被有效地控制。
其实CGAN是一个简单的架构，即为vanilla GAN和解码-编码结构的组合。通过实验，作者证实了CGAN可以生成具有多个标签的人脸图片。同时，这种控制有效性也可以对生成对抗网络的研究带来一些重要的提升。
论文地址：https://arxiv.org/abs/1708.00598
雷锋网 AI 科技评论编译
雷峰网版权文章，未经授权禁止转载。详情见转载须知。
