概率统计学的诞生让复杂未知的模型渐渐的清晰化，漫长的统计学的发展在数学和自然学科上带来了很多革命性的进步。统计学上有两大派系， 概率学派是从事件的随机性出发以样本空间的研究为核心；贝叶斯学派则从观察者的角度出发，他们认为样本空间是固定的，事件的随机性不过是观察者掌握信息不完备所造成的， 观察者所掌握的信息多寡将影响观察者对于事件的认知。贝叶斯公式将事物刻画的更加有“人情味”，这让繁琐的数学变得有趣了起来。今天我们一起来入门贝叶斯公式， 揭示事物背后的合理性。

BicycleGAN(Toward Multimodal Image-to-Image Translation)是来自伯克利大学的又一图像风格变换生成的作品。 在此之前本篇文章作者朱俊彦是图像处理工具CycleGAN、pix2pix、iGAN的主要开发者。BicycleGAN在图像变换生成的基础上实现了多类风格的生成， 比如给出一张鞋的草图在保持确定的前提下，生成出各式各样不同纹理风格的图像。

今年的Valse会议在大连召开，我也是有幸和导师一起参加了这次会议。今天是大会召开的第一天，听了一些报告收获蛮多的，眼界涨了些。 晚上也是没事，对白天的内容做一个简短的梳理。

上篇博客我们写到了CMCGAN论文解读，其实CMCGAN之前就已经有学者利用GAN的思想实现了Audio<–>Visual的转换， 这篇文章是来自罗彻斯特大学的Deep Cross-Modal Audio-Visual Generation.这篇文章无论是理论模型分析， 还是实验验证说明都是上乘之作，今天我们一起来看看这篇论文。

近期接触了跨模态生成领域，由于我前期研究方向一直是GAN所以我是尽量找一些将跨模态和GAN结合的文章研读。17年底由中科院发表的CMCGAN实现了声音和视觉图像的相互转换， 就是结合了GAN和Cross-Modal，今天我们一起来解读一下这篇论文吧。