GAN生成新数据的相关论文

[zkhust]

最近达闼给刚哥了一个项目，做商品的数据增强，目的是用较少的摄像头采集数据，使用生成模型生成更多角度的图片，以此达到数据增强的目的。这里积累一些论文。

• Unsupervised Person Image Synthesis in Arbitrary Poses
  http://www.iri.upc.edu/people/aagudo/Papers/CVPR2018/apumarola_etal_cvpr18_2.pdf

  CVPR 2018 Spotlight 论文，ReID + GAN 换 pose。
  本文用了较多的篇幅讲 loss function，pose 的提取用的是 OpenPose 这个库。
  其 loss 分为三部分：
  1.Image Adversarial Loss：即传统 GAN 的 loss；
  2.Pose Loss：pose 差异，生成后的图片再用 OpenPose 提取 pose 信息做差值；
  3.Identity Loss：此为关键，又分为两部分，分别是 content 和 style loss，其中 content 用于保证生成图和原图在某 pretrain model 生成的 feature map 一致， style 则是利用 Gram matrix 生成某种 feature map，然后作比对。

• Feature Space Transfer for Data Augmentation
  

• Multi-Content GAN for Few-Shot Font Style Transfer
  论文：https://www.paperweekly.site/papers/1781
  代码：https://github.com/azadis/MC-GAN
  在只看到少量已有艺术字母的劣势下，通过 GAN 来自动生成那些我们需要但又缺失的相同风格的字母。