GAN 模态过渡
短发和长发过渡
现在我们有两个Image Domain X（短发）Y（长发）
pretrained GAN由随机向量生成图像，向量的各个维度代表着Image的各个特征
如果我们知道某（些）维度代表头发长短，通过调整这（些）维度，就可以调整头发的长短
因此我们需要对Images进行解码
Generator（Decoder）：预训练好的，能将随机向量转换成对应的人脸
Encoder ：固定Generator的参数，通过重建loss训练Encoder产生x对应的向量zx，因为只有zx才能够通过G产生正确的x
Discriminator：训练Generator时的Discriminator，可以用来初始化Encoder的参数
对上述网络分别输入短发和长发的Images，可以分别得到其Vectors
对两个Domain的Vectors进行平均，并相减，便可得到Domain间的距离zlong
对特定图像x0，解得其编码En(x)，加上n×zlong（n为变化参数），得到z'，Gen(z')即目标图像y0
