条件幂等生成网络

我们提出条件幂等生成网络(CIGN)，这是一种扩展了幂等生成网络(IGN)以实现条件生成的新方法。虽然IGN提供了高效的单次生成，但它们缺乏控制生成数据内容的能力。CIGN通过引入条件机制解决了这一限制，允许用户将生成过程引导至特定类型的数据。我们建立了CIGN的理论基础，概述了其范围、损失函数设计和评估指标。然后，我们提出了两种实现CIGN的潜在架构：通道条件和滤波器条件。最后，我们讨论了在MNIST数据集上的实验结果，证明了两种方法的有效性。我们的发现为进一步在更大数据集和更强大计算资源下探索CIGN以确定最优实现策略铺平了道路。