2018-10-07PPT汇报思路

1. 近期工作

• 阅读研究BicycleGAN论文及代码
• 阅读pytorch文档，部署pytorch环境
• 修改BicycleGAN代码，抽离cVAE-GAN模型
• 训练并提取提供颜色信息的tensor：nz={8,16,32}
• 借鉴cLR-GAN模型思想，在cVAE-GAN网络中加入z向量重新生成的L1损失项，训练

2. 网络结构
   BicycleGAN
   图
   cVAE-GAN
   图
   cLR-GAN：
   图
   E:resnet
   G: Unet
   D:basic_265_multi (2层)
   z
   损失函数：

   
   image.png
   image.png
   image.png
   image.png
   

   zVAE-GAN

image.png

3. 训练
   参数：

   
   image.png
   

   lambda_GAN: 1.0
   lambda_L1: 10.0
   lambda_KL: 0.01
   lambda_z: 0.5
   nz={8,16,32}
   细节：基于LSGAN,不加为D条件限制表现较好，训练时均默认未加，z向量的注入方式为add_to_all,
   对比图：

zVAE-GAN:
nz=8
结果图

分析：优劣：高维不稳定状态，低维细节损失，

4. 未来工作

• 复杂数据集
• 评估质量的代码，主观+客观
• 进一步改进
• 求意见

2