发表自ECCV2018.
主要工作:
1.使用了两个判别器,分别作用于图像和特征图。
2. 提出了具有远程跳跃连接的生成器。
GAN:
生成器损失:
判别器损失 :
其中表示判别器的输出,也就是图像
是从真实的图像分布中进行采样得到的概率。
我们知道log函数在底数大于1时是增函数,所以对于生成器,必定是希望生成的图像被判别器判别为真实的图像的概率越大越好,所以取负数以后损失变小了,同理可得判别器的损失。
发表自ECCV2018.
主要工作:
1.使用了两个判别器,分别作用于图像和特征图。
2. 提出了具有远程跳跃连接的生成器。
GAN:
生成器损失:
判别器损失 :
其中表示判别器的输出,也就是图像
是从真实的图像分布中进行采样得到的概率。
我们知道log函数在底数大于1时是增函数,所以对于生成器,必定是希望生成的图像被判别器判别为真实的图像的概率越大越好,所以取负数以后损失变小了,同理可得判别器的损失。
相关文章: