GAN学习笔记-李宏毅：GAN Lecture 3 (2018): Unsupervised Conditional Generation

最新推荐文章于 2022-05-11 02:40:53 发布
原创 最新推荐文章于 2022-05-11 02:40:53 发布 · 582 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#GAN

李宏毅老师讲解的GAN Lecture 3 (2018): Unsupervised Conditional Generation

类似于风格转化的task
在这里插入图片描述

  • 两类方法：
    1）直接转：只能进行小改，input和output间差距较小（如颜色或纹理转化）
    2）投射到公共空间：input和output间差距较大（真人转化为动画人物）
Direct Transformation

存在问题-Generator可能输出与input完全不相关的output

  • 解决方法一：不管它，因为Generator更趋向于尽可能少的改动，即让输出尽可能接近input，在浅层网络中也可以work，但是在深层网络就需要考虑加其他约束
    在这里插入图片描述
  • 解决方法二
最低0.47元/天 解锁文章

200万优质内容无限畅学
李宏毅GAN 学习笔记3 -- Unsupervised Conditional Generation
s1nnix的博客
12-11 504
Unsupervised Conditional Generation 无监督的条件GAN网络，简单来说就是给出两堆data（data之间没有任何的关联），machine自己学到怎么从一堆转到另外一堆。 有两种方法，第一种是Direct Transformation，直接进行转换，这种方法适用于input和output的差别比较小，比如说是颜色或者风格上的变化。 具体实现： 第二个是Projection to Common Space，这种方法适用于比较复杂的转换，就不仅仅是简单的改改颜...
GAN学习笔记-李宏毅：GAN Lecture1（2018）：Introduction
qq_31895943的博客
03-06 915
李宏毅老师讲解的GAN Lecture1（2018）：Introduction Github上一个总结GAN及其扩展的项目：[the-gan-zoo](https://github.com/hindupuravinash/the-gan-zoo) Outline Basic idea of GAN Basic idea of GAN Generator：a random vector t...
李宏毅学习笔记32.GAN.03.Unsupervised Conditional Generation
老毛的博客
05-04 1083
文章目录简介Unsupervised Conditional GenerationDirect Transformation法1：直接忽略法2：向量化限制法3：Cycle GANIssue of Cycle Consistency其他Cycle GANstarGAN For multiple domainsProjection to Common SpaceVoice ConversionRefe...
GAN笔记_李弘毅教程(三)Unsupervised Conditional Generation
sinat_32512123的博客
11-06 449
文章目录引文Direct TransformationProjection to Common Space 引文 风景照—画作（风格迁移）： Unsupervised Conditional Generation有两种方法： 第一种的直接转化通常是颜色上的改变； 而当差距很大的时候，用第二种方法： Direct Transformation 1.让DY{D_Y}DY​判断输入的图片是属于Dom...
李宏毅：GAN——Unsupervised Conditional Generation
qq_42146775的博客
07-08 345
回忆 Generation：输入一个随机的输入，会输出一个随机的输出 Conditional Generation：你可以根据你所输入得到你想要的输出，而不是由GAN随机生成，你可以通过控制输入来控制输出的结果 supervised Conditional Generation：比如图片生成文字，我们database里面有很多{文字，图案}的pair来训练 Unsupervised Conditional Generation：比如下面的将图片转换成另一个风格（因为这个想做pair做监督学习也很难）
Unsupervised Conditional Generation*Domain Transfer
qq_30776035的博客
10-19 286
Unsupervised Conditional Generation*Domain TransferCycleGAN1.Main Porpose2.Structure3.Loss Func4.Metrics5.DatasetsStarGAN1. Main Porpose2.Structure3. Loss Func4. Metric5.DataSets6.Other ContributionPa...
GAN学习笔记-李宏毅：GAN Lecture 2 (2018): Conditional Generation
qq_31895943的博客
03-06 484
李宏毅老师讲解的GAN Lecture 2 (2018): Conditional Generation Conditional Generation: 可以操控要输出的内容，如输入文字产生图片(Text to image) Text to image 1）traditional supervised approach：训练数据是text+image，model产生出的图片都比较模糊，因为是...
GAN学习笔记-李宏毅：GAN Lecture 7 (2018): Info GAN, VAE-GAN, BiGAN
qq_31895943的博客
03-06 1868
李宏毅老师讲解的GAN Lecture 7 (2018): Info GAN, VAE-GAN, BiGAN 问题：input feature 对output影响不明确这件事 InfoGAN c是有意义的维度，z为随机的；因为某些维度被划分到c中，所以generator强制要求这些维度有意义；注意这里的关系是“c->其中的维度有意义”而不是“其中的维度有意义->c” ...
GAN学习笔记-李宏毅：GAN Lecture 4 (2018): Basic Theory
qq_31895943的博客
03-06 512
李宏毅老师讲解的GAN GAN Lecture 4 (2018): Basic Theory Generation - find the data distribution
李宏毅对抗生成网络 (GAN)教程（3）Unsupervised Conditional Generation
Rita's Blog
05-11 634
之前做的是 supervised，收集了很多图片和对应的文字 本节是unsupervised 的，收集不到他们之间的link
李宏毅GAN对抗生成网络2018最新ppt全套
08-17
李宏毅GAN对抗生成网络2018最新ppt全套,内容非常详细，结合视频一起学习，将大有裨益
机器学习与深度学习系列连载： 第四部分 对抗网络GAN (八) 对抗网络 （Unsupervised Conditional Sequence Generation）
Doctor Wu的博客
12-28 663
对抗网络 （Unsupervised Conditional Sequence Generation） 现实世界中，非监督数据占据绝大多数，GAN可以利用非监督数据进行结构化数据生成。 1. 文本转换 Text Transfer 我们经常使用GAN做图片生成，其实除了图片这样的结构化数据外，文本转换也是GAN可以做到的。 我们可以使用Cycle GAN的技术进行文本的“情绪”转换 由于文本是...
GAN生成对抗网络10-3 unsupervised conditional generation
m0_45868903的博客
09-05 150
如果input和output差不过，可以使用direct transformation 的方法。 如果差很多，则需要一个encoder和一个decoder。 1.direct transformation 比如要做图像风格迁移（input和output比较像），Domain X为原始图片，DomainY为画像（即要生成图片的类型），那么先把Domain X的图像经过Generator，生成图片，然后将生成图片送入Discriminator（该Discriminator见过大量Domain Y的图片），..
李宏毅《GAN Lecture》学习笔记3 - Unsupervised Conditional GAN
好记性不如烂笔头
10-16 834
Unsupervised Conditional GAN 上一篇介绍的Conditional GAN是需要成对的数据作为训练集，而在很多情况下，很难准备这样的训练集。不成对的数据较为容易收集，那么，利用这些不成对的数据做Conditional GAN就是Unsupervised Conditional GAN. 有两种实现 ...
李宏毅《GAN Lecture》学习笔记1 - GAN
好记性不如烂笔头
10-15 437
介绍GAN的基本原理和训练过程
李宏毅《GAN Lecture》学习笔记7 - Info GAN,VAE-GAN,BiGAN
好记性不如烂笔头
10-23 475
Feature Extraction 本节介绍的GAN，可以用于做feature extraction Info GAN VAE-GAN BiGAN
李宏毅DLHLP.10.Voice Conversion.2/2. CycleGAN and starGAN
老毛的博客
10-08 865
文章目录介绍2nd Stage TrainingDirect TransformationCycle GANstarGANReference 介绍 本门课程是2020年李宏毅老师新课：Deep Learning for Human Language Processing（深度学习与人类语言处理） 课程网站 B站视频 公式输入请参考：在线Latex公式 接上节的话题，我们用AE的思想来将content和speaker的特征分开，然后再拼回去，然后再Decoder回原来输入的声音，希望输入和输出的reconst
CycleGAN
I good vegetable a!
10-10 497
学习地址：https://zhuanlan.zhihu.com/p/45077389
李宏毅GAN学习笔记（02）
RookieFCB的专栏
03-30 487
GAN Lecture 2 Conditional Generation by GAN Algorithm In each traing iteration: Sample m positive examples {(c1,x1),(c2,x2),…,(cm,xm)}\{(c^1, x^1), (c^2, x^2), \dots, (c^m, x^m)\}{(c1,x1),(c2,x2),…...
李宏毅深度学习GAN技术深度解析PPT
李宏毅作为该领域的研究者之一，其制作的关于GAN的PPT可以为深度学习的学习者提供宝贵的资料。 ### 李宏毅的GAN PPT概述 李宏毅的GAN PPT不仅仅是学习资料，它也是深入理解生成对抗网络的一个窗口。从提供的压缩包...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值