?Learning to discover cross-domain relations with generative adversarial networks.ICML-2017,Cited-742.
?github上有pytorch實現的官方開源，自己搜壹下，這裏貼了地址後就不讓發表，懶得申訴了~~
?域轉換，GAN，DiscoGAN，無監督，關系學習，深度學習，機器學習
?本文有個重要的假設：兩個域間的映射是可逆的
?任務是無監督域轉換，即在沒有跨域的樣本對可以監督學習的情況下，在源域A和目標域B之間進行圖像轉換。DiscoGAN和CycleGAN，DualGAN三者思路幾乎壹致，具體實現和學習目標上略有差異，在 參考資料[2] 中總結的很好了，這裏就記錄壹下DiscoGAN的結構，針對的問題，以及完成的實驗。 另外DiscoGAN提到了思路基於壹個重要的假設：兩個域間的映射是可逆的。
?結構（原文Fig2），在圖c中顏色相同的GAN***享參數：
?針對的問題（原文Fig3），轉換過程中1對n的問題，感覺沒完全解決：
?（1）Toy數據集（原文Fig4），d圖的圓點比較好的分散在"x"標記上，說明轉換過程中不會產生模式崩潰（圓點聚集在壹起）：
?（2）相似類別的關系學習（原文Fig5），c圖說明轉換前後方向高相關，即相同或相反：
?（3）CelebA數據集（原文Fig7），在全屬性下進行單屬性的變換，d圖是針對眼鏡的變換：
?（4）較大差異類別下的關系學習（原文Fig8），學習不同的類別間方向相關性：
?（5）邊緣和內容間關系（原文Fig9），可以1對n：
[1] Kim, Taeksoo, et al. "Learning to discover cross-domain relations with generative adversarial networks." Proceedings of the 34th International Conference on Machine Learning-Volume 70. JMLR. org, 2017.
[2] 幹貨 | 孿生三兄弟 CycleGAN, DiscoGAN, DualGAN 還有哪些散落天涯的遠親