Review : Conditional Generative Adversarial Nets — Conditional GAN (CGAN)

Judul Paper : Conditional Generative Adversarial Nets
Penulis: Mehdi Mirza
https://arxiv.org/pdf/1411.1784

Ketika kita mengenerate gambar menggunakan GAN, maka model kita dapat menghasilkan berbagai gambar. Namun apabila saya ingin menggenerate gambar tertentu (pada kelas tertentu) maka saya tidak bisa menggunakan GAN biasa karena GAN adalah termasuk supervised leaning namun diskriminator GAN hanya dapat menentukan sebuah gambar itu asli atau palsu.

Untuk mengatasi permasalahan itulah penulis mencoba mengusulkan CGAN. Conditional GAN ​​adalah menggunakan informasi kategori (label) dari data train pada saat pelatihan agar secara eksplisit menuliskan gambar sesuai label tertentu. Sebagai ilustrasi, pada saat pelatihan diskriminator kita memberitahukan kepada model ” Apakah data dengan label 6 ini asli atau palsu” atau ke generator “Ayo generate gambar dengan kondisi atau label 3”.

Perbedaan GANs dan CGan

Idenya sangat sederhana, cukup campurkan informasi label ke masing-masing input generator dan diskriminator. Proses trainingnya sama seperti GANs pada umumnya. 

Write a Comment

Your email address will not be published. Required fields are marked *

20 − 11 =