Bedingte generative adversarische Netze

Generative Adversarial Nets (GANs) [8] wurden kürzlich als eine neue Methode zur Ausbildung von generativen Modellen vorgestellt. In dieser Arbeit führen wir die bedingte Version von Generative Adversarial Nets ein, die durch einfaches Füttern der Daten (y), auf denen wir konditionieren möchten, sowohl dem Generator als auch dem Diskriminator konstruiert werden kann. Wir zeigen, dass dieses Modell MNIST-Ziffern unter Berücksichtigung von Klassenlabels generieren kann. Darüber hinaus veranschaulichen wir, wie dieses Modell verwendet werden könnte, um ein multimodales Modell zu lernen, und geben vorläufige Beispiele für eine Anwendung im Bildtagging, bei der wir demonstrieren, wie dieser Ansatz beschreibende Tags erzeugen kann, die nicht Teil der Trainingslabels sind.