← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 6473.d.2.e.2 · 生成模型:未记录

潜在向量插值

理解等级:中级

生成器把潜在向量映射到样本。对两个潜在向量之间取一系列中间值并分别生成样本,可以观察模型在潜在空间中如何变化;书中的人脸例子呈现姿态或表情的连续过渡。这是对生成器表示的观察,不保证任意插值都逼真,也不能单凭图像证明训练集中不存在类似样本。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 生成模型 8.3 GAN的应用案例 · 查看原书依据

      我们可以使用GAN产生我们从来没有看过的人脸,如图8.13 所示. 举例来说,先前我们介绍的GAN中的生成器,就是输入一个向量,输出一张图片. 此外,我们还可以对输入的向量做内差,在输出部分,我们会看到两张图片之间连续的变化. 比如输入一个向量,通过GAN产生一个表情看起来非常严肃的男人;同时输入另一个向量,通过GAN产生一个微笑着的女人. 输入介于这两个向量之间的数值向量,我们就可以看到这个男人逐渐笑了起来. 再比如,输入一个向量,产生一个往左看的人;同时输入另一个向量,产生一个往右看的人,在这两个向量之间做内差,机器并不会傻傻地将两张图片重叠在一起,而是生成一张正面的人脸. 神奇的是,我们在训练的时候其实并没有输入正面的人脸,但机器可以自己学到,只要对这两张图片做内差,就可以得到一张正面的人脸.

    参考来源

    - 位置:《深度学习详解》第8章《生成模型》8.3(来源项目 book-source:`extracted/深度学习详解/_epub-src/OEBPS/Text/Chapter08.xhtml`) - 结论依据:原文及图 8.13 描述在输入向量间插值并观察生成图像的连续变化。 - 原始内容:我们可以使用GAN产生我们从来没有看过的人脸,如图8.13 所示. 举例来说,先前我们介绍的GAN中的生成器,就是输入一个向量,输出一张图片. 此外,我们还可以对输入的向量做内差,在输出部分,我们会看到两张图片之间连续的变化. 比如输入一个向量,通过GAN产生一个表情看起来非常严肃的男人;同时输入另一个向量,通过GAN产生一个微笑着的女人. 输入介于这两个向量之间的数值向量,我们就可以看到这个男人逐渐笑了起来. 再比如,输入一个向量,产生一个往左看的人;同时输入另一个向量,产生一个往右看的人,在这两个向量之间做内差,机器并不会傻傻地将两张图片重叠在一起,而是生成一张正面的人脸. 神奇的是,我们在训练的时候其实并没有输入正面的人脸,但机器可以自己学到,只要对这两张图片做内差,就可以得到一张正面的人脸.