Изменения

Хоть CGAN и являются самыми популярными моделями для генерации образцов, зависимых от внешних данных, но они умеют генерировать образцы лишь с глобальными задуманными отличительными чертами. К примеру, сгенерировать изображения лица со светлыми волосами не составляет проблем, но более тонкие черты, как приоткрытый рот или наличие сережек вызывают затруднения. C помощью отделения классификатора от дискриминатора, ControlGAN позволяет контролировать черты образцов. К тому же и само качество сгенерированных изображений может быть улучшено засчет того, что такое разделение на три составляющие дает возможность дискриминатору лучше выполнять свою главную задачу.

Принцип работы. Источник:https://arxiv.org/pdf/1708.00598.pdf]]