简介
Background augmentation generative adversarial networks (BAGANs): Effective data generation based on GAN-augmented 3D synthesizing.Cited-5.
关键字
GAN，数据增强，机器学习
正文
这篇文献使用GAN来增加数据，原始的GAN生成的数据质量不够好，同时没有办法指定类别等信息，为了解决上面的问题，文献提出使用已有3D模型来生成前景数据，结合前景数据不仅可以降低GAN生成图像的复杂度，还可以提升图像的类别质量，具体的结构如图（文献Figure2）：
上面方法的动机源于GAN能够比较好生成图像外观细节，但图像不够自然且缺乏图像的几何特性，计算机图形学方法可以恰好可以和GAN互补。
这篇文献的内容不是主要的兴趣方向，简单记录下，主要是在文献中有一张关于数种条件GAN的图总结的挺好的，就了解了下，这个图（文献Figure3）如下：
参考资料
[1] Ma, Yan, et al. "Background augmentation generative adversarial networks (BAGANs): Effective data generation based on GAN-augmented 3D synthesizing." Symmetry 10.12 (2018): 734.
