Feature Extraction
InfoGAN
对于Regular GAN而言，我们很难从输入和输出中找到某种关联（Modifying a specific dimension, no clear meaning），例如下图中，每一列都是改变了输入的某一个维度，然后得到的结果，我们并不知道为什么第三行第六列为什么会突然多一个小尾巴。
InfoGAN就是要解决这个问题。来看它的概念：
What is InfoGAN?
来看流程，现有一个输入z zz，和原始GAN不一样，这里把输入分为两个部分
然后经过Generator后，得到一个生成数据（图片）x ，把生成数据丢到一个分类器中，分类器要从生成数据（图片）x 中反推出原输入的c
这里可以把Generator看做是encoder，分类器Classifier看做是decoder，两个组成一个“autoencoder”，这里的autoencoder是带引号的，因为
原来我们学过的autoencoder是将图片经过encoder变成编码，然后再把编码经过decoder变回图片。
这里是将编码经过encoder变成图片，然后再把图片经过decoder变回编码。
当然，模型中还要有Discriminator，不然就不叫GAN了
如果没有Discriminator，Generator为了让Classifer辨识出c cc，直接就可以把c cc贴到x xx中，这样根本就没有训练到。所以加上Discriminator可以让输出的图片像真实图片。
在实作上由于Classifier和Discriminator都是吃同样的参数，所以，它们两个通常会share参数，只不过一个输出的是code，一个是scalar。
那么为什么加了Classifier可以work？因为只有在训练Generator的过程中，学习到了c影响x的关系，Classifier才能正确的从x中分辨出c来。
在图中我们看到还有一个z ′ ，这个东西代表一些随机的东西，就是我们也不知道这些东西影响输出的那些方面。
这里的c不是预先划分好的，而是因为我们设置了c，才训练出c影响了那些特征。
VAE-GAN
Anders Boesen, Lindbo Larsen, S?ren Kaae S?nderby, Hugo Larochelle, Ole Winther, “Autoencoding beyond pixels using a learned similarity metric”, ICML. 2016
模型如下图所示，VAE部分的z应该还有一个normal分布的constraint没有画出来。
从VAE的角度来看：如果只是VAE追求输入x和decoder还原的x之间的reconstruction error的最小化，那么得到结果是不真实的（很模糊），具体可以看之前的VAE的讲解，那么加上Discriminator之后，可以促使生成的图片更加接近真实图片（否则不能通过Discriminator的分辨）。
从GAN的角度来看：Generator是看过真实的图片，并且要以还原真实图片为目标的，它并不单单是想要骗过Discriminator这么简单，所以加了VAE的GAN会比较稳。
上图中的三个东西的目标如下表：
具体算法
? Initialize E n , D e , D i s初始化三个东西（都是network，有参数需要初始化）
? In each iteration:
这里的Discriminator是二分类（区分真实和生成图片），还有一种做法是做成三分类的分类器
BiGAN
先把VAE部分拆开，变成：
拆开之后的Encoder和Decoder是完全分开的，Decoder的输入不是根据Encoder的输出来的，而是从一个正态分布中生成图片，两个东西最后如何训练？通过Discriminator：
把图像和代码分别丢到Discriminator中，Discriminator判别是Encoder还是Decoder。
既然Discriminator存在的是为了使得Encoder和Decoder输入和输出的分布相同，那么能否使用如下模型：
用VAE，左边是输入图片还原图片，右边是输入code还原code（反向AE），两边的目的都是使得reconstruction error越小越好。
从结果上看两个VAE的结果是模糊的（因为优化的结果会有误差，reconstruction error不可能为0），输入一只鸟得到一只同样的模糊的鸟，而BiGAN输入一只鸟，得到另外一只鸟。
Triple GAN
Domain-adversarial training
This is a big network, but different parts have different goals.
这里注意一下，虽然论文中是三个模块（network）一起train的，但是分开迭代train会比较稳（先训练Domain Classifer，再训练feature extractor）。
用这个技术可以用来实现下面这个技术：Feature Disentangle
Feature Disentangle
为了讲清楚这个东西，我们用语音为例，这个技术也可以用在图像处理等方面。
假设我们训练一个语音的AE，Original Seq2seq Auto-encoder
把一段声音信息压缩为code，在把code还原回声音信号。目标是input和ouput越接近越好。中间抽取出来的code我们希望它能够代表这段声音信息的特征，但是这个是不可能的，因为这一段声音信息还包含了其他信息，如：说话人的信息、环境的信息。
因此我们想要知道在这个code中那些维度代表了发音的信息，不包含其他信息。这里就是要用到Feature Disentangle的技术。
从字面上理解Disentangle是解开的意思，各种信息的特征交织打结在一起，要把它解开。这样我们就知道那些维度代表发音的信息，哪些维度代表语者的信息。
具体做法：
train两个Encoder，一个学习语音信息，一个学习语者信息。这样训练出来的语音Encoder可以处理与人无关的语音，直接提取出语音特征；训练出来的语者Encoder可以用来做为识别语者身份的声纹特征。
如何分布训练上面两个Encoder？
先看训练语者信息的Encoder，这个时候Assume that we know speaker ID of segments.
我们假设我们知道那些声音信号是来自同一个语者，这个很好弄，可以把同一个人说的话切开，变成几个小段语音，就得到同一个人说的不同语音。
如果两个语音来自相同的人（说的语音内容不一样，但是说话的人是同一个），我们希望下图中两个语者信息的Encoder的输出越接近越好：
如果两个语音来自不同的人（说话的人不是同一个），我们希望下图中两个语者信息的Encoder的输出越不同越好（接近某个阈值）：
论文的结果如下图，、左边两个是针对语音，右边两个是针对语者。
Intelligent Photo Editing
右边的bar是调整各种属性，例如：头发颜色，头发浓密，胡子，性别，皮肤颜色、笑的表情等，左边就会根据特定的属性值生成对应的图片。这节就是来学习这个demo的原理：Photo Editing
之前学习GAN，我们知道，可以用一组随机向量来生成一个图片：
这个向量每一个维度实际上是对应了图片中不同的特征的，例如：
我们如果能知道每个维度对应图片哪个特征，就可以控制生成图片的输出。
具体实现
1.GAN+Autoencoder
? We have a generator (input z, output x)
通常我们可以训练一个generator，通过随机向量z来生成图片x
? However, given x, how can we find z?
从图片x中可以得到相应的特征标记，例如：头发颜色，头发浓密，胡子，性别，皮肤颜色、笑的表情等，如果我们能知道是什么样的z生成的x，就可以吧x中的某些维度和图片的特征联系起来。
? Learn an encoder (input x, output z)
要知道z，就是要训练一个Encoder ，输入一张图片x，得到z，z经过上图中的Generator后可以还原回图片x。典型的Autoencoder结构：
、
训练Encoder的时候，由于是要反推z，所以这里Generator中的参数是固定不变的。由于Encoder在上图中和Discriminator的功能相似，所以在实际计算的时候，可以用Discriminator来对Encoder进行初始化。
2.Attribute Representation
完成上面的工作，我们就训练好了一个Encoder，这个Encoder可以把图片还原为一个向量。也就是用这个Encoder可以找到生成某个图片的向量。
接下来把数据库中的图片整出来：
丢到Encoder中，得到这些图片对应的向量（注意蓝色和绿色的点就是向量）
对于左边的图片是长发，右边是短发，把两簇向量取平均后得到长短发的代表，然后相减：
其中En是Encoder，long代表长发。如果现在有一张短发的图片x，我们可以通过下面的步骤把其变成长发：
我们能找到生成商品图片的向量都是从z的向量空间中取的，那么如果我们将生成图片的z在一个小的范围内进行移动，这个商品的图片肯定不会变化太多，如果再加上编辑的约束，就会使得图片变成我们想要的样子。
Back to z
同样的，现在要考虑如何找到图片对应的code。
有三种方法：
第一种
把寻找code的过程看做最优化的过程
第二种
就是本课中用的方法，训练一个Encoder来找z
第三种
将第一种和第二种方法相结合。
Using the results from method 2 as the initialization of method 1
这样可以避免GD过程中遇到局部最优点。
Editing Photos
可以找到图片对应的z之后，我们继续来看如何进行编辑，假设现在有一个图片（左边），和一个用户编辑的约束（右边）：
其中第一项：U代表用户做的编辑约束，这里要使得图片尽量的满足用户的编辑约束，例如用户用的红色点了一下，生成的新图片就是要红色基调，这里如何定义一个图片满足某个约束的函数由我们自己来弄。
第二项：是使得新生成的图片不能脱离原图片太远。
第三项：使得新生成的图片越真实越好。
其他应用
高清图片处理Image super resolution
Christian Ledig, Lucas Theis, Ferenc Huszar, Jose Caballero, Andrew Cunningham, Alejandro Acosta, Andrew Aitken, Alykhan Tejani, Johannes Totz, Zehan Wang, Wenzhe Shi, “Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network”, CVPR, 2016
左一传统处理方法：不行
左二普通NN处理：效果可以，但是头饰，项圈细节还是模糊
左三GAN：效果可以，头饰，项圈细节清晰，但是这些细节和原图不一样，因为这些细节是GAN模型自己生成的，只要能骗过discriminator即可。
最后是原图
这个模型的数据比较好处理，就是找一堆高清图，处理模糊后就有数据了，因为图片清晰变模糊好弄。
图像补全Image Completion
这个模型的训练数据也好处理，随便找图片，然后挖空就有了。
