Unsupervised Condition GAN主要有两种做法：

• Direct Transformation

直接输入domain X图片，经过Generator后生成对应的domain Y的图像。这种转化input和output不能够差太多。通常只能实现较小的转化，比如改变颜色等。

• Projection to Common Space

先学习一个X domain的encoder，把特征抽出来；然后输入Y domain的decoder，生成对应的图片。

Direct Transformation

训练一个G，它能够将X domain的图片转换为 Y domain的图片。现在有一堆X domain的数据，一堆Y domain的数据，但是合起来的pair没有。因此需要训练一个Y domain的discriminator，鉴别一张图片是不是Y domain 的图片。存在的一个问题就是generator输出的图像可能和输入无关。有三种方法可以解决此问题。

直接无视（generator shallow）

在generator 比较shallow的情况下，输入和输出会特别像，这时候就不需要额外的处理。

利用预训练网络

用一个已训练好的网络，把generator的输入和输出转换成两个embedding vector；在训练的时候，让这两个embedding的vector尽可能的相似。

Cycle GAN

在训练一个X domain到Y domain的generator的同时，训练一个Y domain到X domain的generator；目标就是输入图像和两次转换之后的图像越接近越好。

训练一个Y domain到X domain同样的结构，就构成双向结构。

Cycle GAN存在的问题：cycle GAN会把输入的有些部分隐藏起来，然后再output的时候再呈现出来。

StarGAN

StarGAN主要用于多个domain之间的转换。具体做法如下：

1. 训练一个discriminator：鉴别图片的真假；判断这张图片属于哪个domain；
2. 训练一个generator，输入是一张图片以及目标domain，输出目标domain的图片；
3. 将生成的图片以及原始图片的domain输入给同一个generator，输出一张新的图片，新的图片和2中输入的图片越接近越好；
4. Discriminator要做两件事：鉴别2中输出图片的真假；判断这张图片是否属于目标domain。

下面是实际的例子。

Projection to Common Space

训练目标：真人图片输入到ENx ，可以提取出真人的特征，然后经过二次元的DEx 得到对应的二次元图片；同理二次元图片经过特征提取，能够产生真人的图片。

一种训练方法就是：分别训练两个auto-encoder生成真人照片和二次元照片。但是两个auto-encoder是分开训练的，两者之间没有关联，所以在latent space中每个维度的表示属性可能是不一样的。

可以使用以下方法解决关联问题：

共享参数

让不同domain的decoder的最后几个hidden layer和encoder的最前面几个hidden layer的参数共用；通过共享参数，将不同domain的image压缩到同一个latent space，即同样的dimension 表示同样的属性。

增加判别网络

用一个discriminator来判断特征vector是来自于X domain的image还是来自于Y domain的image。两个encoder就是要骗过这个discriminator。当discriminator无法判别的时候，说明两者被encode到同一个空间。

Cycle Consistency

将一张image经过X encoder变成code；再经过Y decoder还原成image；然后再输入到Y encoder，再通过X decoder把它还原成image；然后希望input和output越接近越好。

semantic consistency

让原始图片通过 X encoder 输出 code，再让这个 code 通过Y decoder和 Y的encoder生成另一个 code，最后让着两个code越接近越好。这种技术常用于 DTN 和 SGAN 。

• Voice Conversion(声音转换)

过去，用的监督学习的方法，要有一堆对应的声音；现在只要收集两组声音，不用讲一样的内容就可以进行训练。