Conditional Gan

🚀 条件付き敵対的生成ネットワーク (Conditional Generative Adversarial Network)

このリポジトリは、Kerasの条件付きGANのサンプルに関するモデルとノートブックを含んでいます。画像生成を条件付きで行うことができ、不均衡なデータセットのバランス調整などに役立ちます。

🚀 クイックスタート

このリポジトリには、Kerasの条件付きGANのサンプルに関するモデルとノートブックが含まれています。

完全なクレジットは Sayak Paul にあります。

✨ 主な機能

背景情報

クラスラベルを条件としたGANを訓練して、手書き数字を生成します。

敵対的生成ネットワーク (GAN) を使用すると、ランダムな入力から新しい画像データ、ビデオデータ、またはオーディオデータを生成することができます。通常、ランダムな入力は正規分布からサンプリングされ、一連の変換を経て、ものらしいもの（画像、ビデオ、オーディオなど）に変換されます。

ただし、単純なDCGANでは、生成するサンプルの外観（例えばクラス）を制御することができません。たとえば、MNISTの手書き数字を生成するGANでは、単純なDCGANでは生成する数字のクラスを選択することができません。生成するものを制御するためには、画像のクラスなどの意味的な入力を条件としてGANの出力を制御する必要があります。

この例では、与えられたクラスを条件としてMNISTの手書き数字を生成できる条件付きGANを構築します。このようなモデルには、さまざまな有用なアプリケーションがあります。

• 不均衡な画像データセットを扱っている場合、偏ったクラスのサンプルを収集してデータセットのバランスを整えたいと思うかもしれません。データ収集自体がコストのかかるプロセスになることがあります。その代わりに、条件付きGANを訓練して、バランスを取る必要のあるクラスの新しい画像を生成することができます。
• 生成器は生成されたサンプルをクラスラベルと関連付けるように学習するため、その表現を他の下流タスクにも利用することができます。