原文链接：Conditional Image Synthesis with Auxiliary Classifier GANs
文章贡献：
1.在D的输出部分添加一个辅助的分类器来提高条件GAN的性能
2.提出 Inception Accuracy 这种新的用于评判图像合成模型的标准
3.引进MS-SSIM用于判断模型生成图片的多样性
本文工作与前人不同之处（图片来自互联网，当前版本论文无此图片）：
Conditional GAN：CGAN
G：将类标签作为条件信息和噪声一起放入G后生成样本
D：将类标签和生成样本或者训练样本放入D，D的输出是输出样本为真假的概率或者0，1二值
Semi-supervised GAN：
G：不输入类别，只输入噪声来生成样本
D：输入生成样本或者训练样本，最后的输入是输入图像所属类别或者输入图像为假，一共N+1维（N是总类别数）
Info-GAN：
模型将z拆分成两个部分，一部分是没办法解释的连续噪声信号，另一部分就是c。这里c表示一种潜在的属性，在人脸任务中可以解释成面部表情、眼睛颜色、是否带眼镜、头发类型等，在minst手写数据集上可以解释成数字类别（1-9）也可以表示手写笔画的倾斜度、笔画的粗细等。另外，作者将信息论的概念引入了GAN：
G：输入定义的潜在变量c和噪声
目标函数要使c和生成样本尽可能相关，即互信息最大
AC-GANs（本文提出）：
我们提出一个GAN架构的变体，将其称之为辅助分类器GAN（或ACGAN，如图2）。在AC-GAN 中，每个生成样本 除了噪声z外有一个对应的类别标签 c~Pc,。G 使用两者来生成伪图像 X (fake)=G(c，z)。判别器给出给出图像源（真假）的概率分布和类标签上的概率分布。损失函数如下：
G：与cGAN相同，同样是输入类标签和噪声
D：不再输入类标签，另外在输入样本是否为真的同时，利用另一个分类器来判断输入样本的所属类别
D训练的目标是最大，G训练的目标是最大
Inception Accuracy：
对于合成模型是比较难去评价的，所以之前有一部分是要人工测试，即人去判断生成模型的真假。但是人工的测试结果变化比较大，所有后来OpenAI提出Inception Score，用于自动模拟人工的判断。但是作者发现当模型已经崩溃，生成的图像完全不符合人的视觉感知的时候，Inception Score依旧有可能较高，所以提出了这种新的评价标准。依旧是将合成的图像输入训练好的Incpetion v3模型，但对比的是模型分类的准确率。这种方法相比Inception Score更好计算，而且能够更好地反映每个类别的信息。
实验
最上面的实验表示模型合成不同分辨率图像的 Inception Accuracy，通过在人工降低生成图像的分析率Inception Accuracy也会随之降低后，证明了模型所生成的高分辨率图像不只是简单增加了像素，而是确实含有低分辨率图像或者简单resize低分辨率图像得到的高分辨率图像中不存在的信息。
MS-SSIM是一个用于判断图像在人的感知上相似度的评价标准，介于0-1之间，值越大表示图像之间相似度越大。作者引入这个标准来进一步评价模型生成图像的多样性。在ImageNet的所有类中，最高的MS-SSIM是0.25，作者对AC-GAN生成的图像做测试后，84.7%类的MS-SSIM比0.25低，进一步说明了本文提出的模型能够生成多样性较大的图像。
此外，作者进一步分析了当前生成模型的不足，部分类生成图像比较相似，可能是因为模型没有记忆，造成过拟合现象。
模型结构：
想说的：
本文在D的输出部分添加一个辅助的分类器来提高条件GAN的性能，同时输出真假和类别。针对任务，提出这种新的Inception Accuracy的评价方法，并引入了MS-SSIM来判断模型的效果。提出的Inception Accuracy评估方法，实验中时优于Inception Score的，但是并未在其他模型中进行对比实验。
参考资料：《Conditional Image Synthesis with Auxiliary Classifier GANs》阅读笔记
原文链接：Conditional Image Synthesis with Auxiliary Classifier GANs