Comments
Мне кажется, что изначально задача сдизайнена неверно, входных данных недостаточно, чтобы выдать приемлемый результат (не сформулировано никаких явных или неявных моделей смешивания ингредиентов, в которых бы нейросеть подбирала параметры, вы пытаетесь заставить нейросеть создать модель, что сделать они в принципе не способны).

GAN именно так и работают. Есть образцы, как должны выглядеть пицца, а сеть старается выдавать что-то, похожее на пиццу. Модели смешивания ингредиентов в данном случае не нужны.

Нет, даже GAN не избавляет от необходимости задавать (явно или не явно) модель, по которой она будет давать результат.

Естественно, ведь архитектура нейронной сети — это и есть модель, а её обучение — это поиск параметров, решающих задачу. Здесь неявно стоит задача восстановления изображения с минимальными ограничениями, специфичными для предметной области (это же ради забавы всё). Вы об этом?

Примерно. Задача восстановления изображения требует модель «дефектов» изображения, которые эта модель исправляет. К примеру, восстановление заблюренного изображения или изображения с отсутствующими фрагментами требует разных моделей (и приводят к разным результатам генерации).
Я не специалист, но разве в дискриминаторе не рекомендуют использовать AveragePooling вместо MaxPooling?
Only those users with full accounts are able to leave comments. Log in, please.