BicycleGAN（不是CycleGAN的升級(jí)版）
BicycleGAN結(jié)構(gòu)
BycycleGAN主要融合了cVAE-GAN和cLR-GAN严卖，形成了以及這雙重循環(huán)烟具。Loss主要是GAN_loss+L1 Loss+ KL_loss三種類別梢什，生成器使用類似于U-net的結(jié)構(gòu)，編碼器E使用res_block的CNN朝聋。論文結(jié)果如下：
論文結(jié)果
AMT:
Amazon Mechanical Turk testLPIPS distance:
Learned Perceptual Image Patch Similarity (LPIPS) metric computes distance in AlexNet feature space (conv1-5, pretrained on Imagenet, with linear weights to better match human perceptual judgments.
噪聲輸入方式： spatially replicate a Z-dimensional latent code z to an H? W ? Z tensor and concatenate it with the H? W ? 3 input imag
CyCADA（CycleGAN升級(jí)版）
CyCADA結(jié)構(gòu)圖
結(jié)果
有意思的結(jié)論
VQ-VAE & VQ-VAE-2
VQ-VAE
一般取即可
VQ-VAE-2
VQ-VAE-2相比于VQ-VAE-1類似于金字塔形式的訓(xùn)練方式有利于生成高分辨率圖片嗡午。另外，至于基于pixelCNN變體的采樣方式還沒有完全看明白冀痕，需要再具體了解荔睹。另外，整個(gè)形式的數(shù)學(xué)推導(dǎo)言蛇，還有待明細(xì)僻他，比如各種概率具體到圖像上的對(duì)應(yīng)關(guān)系。
