阅读论文：Multi-View Image Generation from a Single-View
VariGANs，多视角，2018
问题：VAE轮廓可以，细节不行。GAN细节真实，但引入伪影。以往的方法只能合成刚性物体（车，椅子等），对于复杂和需要变形的物体较为困难。
解决方法：变分推理+对抗训练。coarse-to-fine：LR捕获全局外观（形状，颜色），再根据对抗学习生成细节丰富的HR图像。
目标函数：
粗糙的图像生成器：
细粒度的图像生成器：
网络：粗糙的图像生成器，细粒度的图像生成器，条件判别器
训练时有目标图像，测试时没有，随机采样z。
编码器：Siamese-like，权值共享。
LR图像编码器和HR图像解码器，条件图像编码器和HR图像解码器：跳跃连接。
数据集：MVC，DeepFashion
对比方法: Conditional VAE (cVAE) and Conditional GANs (cGANs)
指标：SSIM，IS