無需標註數據，利用輔助性旋轉損失的自監督GANs，效果堪比現有最好方法

作者 | Ting Chen 譯者 | 王紅成 出品 | AI科技大本營（ID:rgznai100） 本文作者提出了一種自檢督方式的生成對抗網絡，通過輔助性的旋轉損失來達到目的。因爲通常主流方法來生成自然圖像都是通過條件GAN來完成，但是這就需要很多的標籤數據。這些標籤數據會需要耗費大量時間和精力。因此無監督方法的提出，能有效提升效率節省大量時間和精力。作者探索了兩個主流的無監督的學習方法，分別是

>>阅读原文<<