Mode Seeking Generative Adversar

论文：

用于不同图像合成的    模型寻找的   对抗性网络   （用于生成  更多的图像 ）

1  cGans   会出现 模式崩溃的情况  ，所以 提出  msgan 网络   

2  该网络  最大化生成图像和相关的潜在代码之间距离的比值，所以在生成器在训练过程中生成更多小的模型， （一种有效的正则化）

3  本文提出的模型适用于 在没有强制训练或 修改 原始的 网络的结构的情况下 的不同条件的生成任务（生成更多的图像用于训练集）

4  本文提出的方法  可以从不同的任务 促进 现有 的模型 在不牺牲生成图像的视觉的前提下 实现 生成更好 更多样性的 图像

5   评价指标  （4种）：FID  LPIPS   NBD  JSD

6  本文  算法  步骤

7  所有的论文 都用  到了  ablation study  方法

8   本文方法 用于   categorical generation, （分类生成）

                              image-to  image translation, （图像到图像的翻译）

                              text-to-image synthesis with different  baseline models.（文本到图像的合成）