风一样的自由，色彩斑斓的雨季

原文链接：Face Image Illumination Processing Based on Generative Adversarial Nets摘要:众所周知，光照的变化会严重影响二维人脸分析算法的性能，如人脸标记和人脸识别。不幸的是，在大多数实际应用中，照明条件通常是不受控制和不可预测的。为了解决这个问题，已经有很多方法被开发出来，但是效果很差，特别是对于光线条件极端的图像。此外，传...

1、细水长flow之NICE：流模型的基本概念与实现 2、RealNVP与Glow：流模型的传承与升华3、论文笔记（五）【DENSITY ESTIMATION USING REAL NVP】4、代码链接5、代码链接（原）...

原文提供的资料：

原文链接：GAN for Medical Imaging: Generating Images and Annotations （需要翻墙）在这篇文章中，我们将展示一种使用生成对抗网络(GANs)同时生成医学图像和相应注释的方法。我们使用心脏MR图像进行实验。对于模型开发，我们使用Keras和theano后端。介绍：器官的自动检测和分割在医学成像应用中有着巨大的作用。例如在心脏分析中，...

原文链接：Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial NetworkSR :从低分辨率(LR)图像中提取高分辨率(HR)图像这一极具挑战性的任务称为超分辨率(SR)。目录本文贡献：网络模型：目标函数：损失函数（感知损失函数）：实验结果：源代码 本文贡...

原文：StarGAN: Unified Generative Adversarial Networks for Multi-Domain Image-to-Image Translation目录本文的贡献：简介（翻译）：模型：StarGAN：损失函数：1、对抗损失（Adversarial Loss）2、域分类损失（Domain Classification Loss...

原文链接：Deep Learning based Single Image Dehazing（可以自己注册账号下载） 本文贡献：1、提出了一种利用叠加条件生成对抗网络(GAN)去除RGB图像中雾霾的新方法。它使用一个GAN三元组独立地去除每个颜色通道上的雾霾。2、提出了一种基于条件概率模型的多损失函数方案。3、提出的GAN架构学会了去除雾霾，以雾霾图像作为条件入口，从中获得清晰...

原文链接：Conditional Image Synthesis with Auxiliary Classifier GANs文章贡献：1.在D的输出部分添加一个辅助的分类器来提高条件GAN的性能2.提出 Inception Accuracy 这种新的用于评判图像合成模型的标准3.引进MS-SSIM用于判断模型生成图片的多样性 本文工作与前人不同之处（图片来自互联网，当前版...

原文：Conditional Generative Adversarial NetsCGAN在原始GAN的基础上加入标签或其他条件，通过与原始GAN的输入进行共同作用，可以指导生成的数据。结构模型如下图：G和D需要解决的问题为：实验结果：网上找到的代码（pytorch版）：conditional-GAN...

图像风格迁移是一件比较有意思的事情，比如下图： 将一张建筑图片转变成不同风格的艺术图片。在原文中是这样实现的： 整个实现需要一张风格图和一张内容图，输入还需要另外的一张白噪声图片，作为最后生成的风格迁移图像的载体输出。上图左边是风格图片的输入，通过VGG19或者VGG16网络提取风格图片的风格表示（style representation）或者说风格特征，在五层卷积层都需要...

1、令人拍案叫绝的Wasserstein GAN 及代码（WGAN两篇论文的中文详细介绍）2、Wasserstein GANs 三部曲（二）:Wasserstein GAN论文的理解