用於 GAN 生成之動漫圖片資料集
翻譯 [Lento] 所寫的 [GANを用いたイラスト生成のデータセット]。
翻譯自：GANを用いたイラスト生成のデータセット 感謝 Lento 授權翻譯，
若對此後續任務有興趣可與作者討論 Twitter_NieA7_3170
由於我挺喜歡動漫的，
所以一直都有關注 Lento 的文章，
想說翻譯可以給更多入門的人理解，
順便練習日文，
基於上述種種原因，
所以會開始陸續翻譯，
以及會稍微重構一下原文，
希望能幫助到有需要的人。
簡介
現今越來越多生成式對抗網路 Generative Adversarial Networks（GAN）用於動漫圖片生成，
由於個人對這領域有興趣，
因此本文介紹用於 GAN 圖像生成模型的動漫資料集，
圖像生成任務的品質會取決於資料集的圖片品質，
本文會利用兩種圖像生成模型來評估各個資料集所生成的圖像品質，
- DCGAN
- Spectral Normalization GAN(SN-GAN)
資料集
本次準備兩種資料集
- safebooru，從該網站收集圖片，利用 opencv + lbpcascade_animeface.xml 將動漫圖像取出 64 x 64 大小的臉部圖片共 50,000 張以供模型訓練，下方為 25 張圖片的示意圖。
- Getchu資料集，參考 makegirlsmoe 的論文，從 Getchu 網站中收集 25,000 張角色的臉的圖片。與 safebooru 資料集不同的是該類的圖像多半是從遊戲中(註1)取得的，因此背景多半為透明/白的，以及頭像都是屬於正臉的。
註1：Getchu 網站中的遊戲人物圖像指的是「立ち絵(TACHIE)」，一般遊戲中先製作的角色，沒有背景，用於戀愛劇情/文字類遊戲等等的用途。
準備兩個不同的資料集的用意是為了評估
- 簡單的收集網路上動漫角色的臉的資料集是否可行
- 背景的顏色對模型訓練是否有影響
- 各資料集整張臉生成的品質
GAN 模型
如開頭所提到的，本次將上述的 safebooru 以及 Getchu 資料集評估在下方兩個模型
DRAGAN 指出以往 GAN 在訓練辨別器(Discriminator)時，辨別器學習某些真實樣本時，會造成較大的梯度(Gradient)，而這將使得模型訓練變得不穩定，甚至造成模式崩潰(Mode collapse)，意指生成出的圖片已缺少變化，都生成同一種類的圖片。對此提出透過 Noise 的方式平穩訓練流程，其可視為利用 Lipschitz 限制辨別器學習時斜率不要過大。 此方法是基於 DCGAN 的延伸。
SNGAN 提出 Spectral Normalization 來作為 Lipschitz 的限制，
並且在 Discriminator 的每層中加入 Spectral Normalization 達到更好的生成效果，
透過這種方式可取代以往的 Batch Normalization，可讓參數量更近一步地減少。
程式碼是參考此處 pfnet-research chainer-gan-lib
成果
首先是 DRAGAN 的生成結果，
DRAGAN 訓練於 safebooru 資料集
DRAGAN 訓練於 Getchu 資料集
由於計算上的問題此次的訓練只有少少的 350 個 Epoch，
盡請見諒。
雖然這是個人的見解，
我認為 DRAGAN 訓練於 Getchu 資料集是較好的，
因為人物看起來較為清晰，
雖然 DRAGAN 訓練於 safebooru 資料集有些人物也是不錯，
但更多的時候是生出來的圖片看起來已經不像是個人了，有點崩壞了。
接著是 SNGAN 所生成的結果，此處同樣為 350 個 Epoch 的結果，
SNGAN 訓練於 safebooru 資料集
SNGAN 訓練於 Getchu 資料集
比起 DRAGAN， SNGAN 的整體結果看起來是更糟的，
但是在 safebooru 的資料集中 SNGAN 所生成的人物圖片是較少有崩壞的結果的，
不過在 Getchu 的資料集中 SNGAN 生成的還是較差。
結論
本次對了兩個動漫資料集進行訓練，
分別使用了兩個不同的 GAN 模型來學習是否可生成動漫圖片。
在觀察實驗結果後認為 Getchu 因圖片的多樣性較少，
所以模型可以學得較為好，
但這也說明了未來該模型所生成的變化種類也會限縮在該範圍。
用另一種觀點來看，
如果未來可以對 safebooru 的資料集再收集更多的圖片，
並且訓練得更久使其收斂的話，
其結果或許會不一樣，
但這就是要考量時間與運算成本問題了。
另一個在實驗中觀察到的結果，
Discriminator 與 Generator 的互相訓練是 GAN 框架中最重要的一環，
但實務上來說當 Discriminator 可以完全區別出 Generator 所生成之圖片與真實世界圖片的時候，
此時 GAN 整體的訓練就會崩壞，
因為 Discriminator 會迫使 Generator 無法學習。
如同這篇論文 TOWARDS PRINCIPLED METHODS FOR TRAINING GENERATIVE ADVERSARIAL NETWORKS 所說的 。
此部分雖透過 Lipschitz 來制約 Discriminator 不要越來越強，
但效果卻不明顯。
整體來說目前還不確定模型生成的圖片是否具備多樣性，
雖說其多樣性應該會取決於模型的能力，
但仍不確定該如何評估整體模型的能力，
或許可視化模型是一個可行的方向吧，
不過這部分由於還在研究中～
最後如果有任何的建議，
請讓我知道。
實驗環境
OS : Ubuntu 16.04 LTS (64-bit)
CPU : Intel(R) Core(TM) i5–4590 CPU @ 3.30 GHZ
GPU : NVIDIA GTX970
Memory : 8GB
參考資料：
Towards the Automatic Anime Characters Creation with Generative Adversarial Networks