谷歌推出TFGAN：开源的轻量级生成对抗网络库

正文

请到「今天看啥」查看全文

△ 对抗损失对于图像压缩的效果。

顶层是ImageNet数据集里的图，中间那层是传统损失训练出来的图像压缩神经网络压缩和解压后的效果，底层是GAN损失和传统损失一起训练的神经网络效果。可以看得出来，底层的图边缘更锐利，细节更丰富，虽然和原图还是有一定的差距。

当使用端对端的语音合成TacotronTTS网络时，GAN可以增加部分真实的声音特性。如下图所示。

△ 大多文本转语音（TTS）网络产生的过平滑的声谱图

TacotronTTS可以有效减少生成音频的人工痕迹，出来的语音更真实自然（具体参考，https://arxiv.org/abs/1703.10135）。

TFGAN支持多种主流的实验方法。既有简单的可涵盖大部分GAN案例的函数（只要几行代码，开发者就可以拿自己的数据直接建模了），也有设计独立模块化的特殊GAN函数，你可以随意地组合自己需要的函数，损失、评估、特征、训练函数。

请到「今天看啥」查看全文