条件对抗生成网络（cGAN）通过将条件信息引入到GAN的生成器和判别器中，来生成可以生成符合给定条件的图像。不同cGAN的区别在于条件信息（数据和标签）在判别器中的结合方式。
对于判别器，引入条件信息的方法有两个：一个是直接将标签和数据一起作为网络的输入，另一个是将标签引入到一个辅助分类器。前者是在拟合条件数据分布 ，是数据拟合；而后者在拟合类别分布，是标签拟合。
在训练稳定的cGAN模型中，数据拟合是最常采用的方式。但在提升生成图像的质量上，虽然没有实验证明标签拟合发挥的作用，但从不同类别的特征，映射到同一点变得不可分时，判别器不会为生成器提供有用的指导可以看出：适当的标签拟合有利于图像生成。因此，如何平衡训练过程中的数据拟合和标签拟合呢？
12月7日早10点，罗格斯大学在读博士韩立功将围绕《基于双投影判别器的条件对抗生成网络》这一主题带来直播讲解。韩博是罗格斯大学在读博士，研究方向包括深度学习，生成模型，对抗生成网络，并在ICCV、ICLR、AAAI等会议上发表多篇论文。
在本次讲座中，韩立功博士提出了一个双投影判别器的条件对抗生成网络P2GAN，利用投影判别器灵活的特性，自适应的平衡训练过程中的数据拟合和标签拟合。
本次讲座将在智东西公开课知识店铺进行，包含主讲和问答两个部分，其中主讲环节40分钟，问答环节20分钟。本次讲座已组建交流群，并邀请韩立功博士加入，欢迎感兴趣的朋友申请。
主题
基于双投影判别器的条件生成对抗网络
提纲
1、条件生成对抗网络(cGAN)的研究现状
2、cGAN中的数据拟合和标签拟合
3、双投影生成对抗网络P2GAN
4、在图像生成等任务上的应用
5、与相关文献的比较讨论及未来展望
讲师介绍
韩立功，罗格斯大学在读博士，研究方向包括深度学习，生成模型，对抗生成网络；在ICCV、ICLR、AAAI等会议上发表多篇论文。
直播信息
直播时间：12月7日10：00
直播地点：智东西公开课知识店铺
