paper download:https://arxiv.org/abs/1801.04356
本文的核心就是使用GAN网络生成新的数据。
这个总体框图，常规结构，具体是通过在appearance和pose上分离在网络设计上，作者提到了三点：
1. 为了避免网络只是单纯的Match Feature Pairs，如上图所示，只是学习Residual：
,公式的意思是Source与Target 的Feature Vector的差值。
2. Appearance和pose分开训练，pose的学习便可以全监督训练学习。
3. Appearance和pose分开训练，能够使对这两个属性的学习上更加Balance
paper 168: 2018-FATTEN 论文解析-feature space transfer for data augmentation
原文：https://www.cnblogs.com/molakejin/p/9310692.html