超级会员免费看
该论文提出了一种名为GAN Sketching的方法，允许用户通过草图改变原始GAN模型的权重，简化GAN训练过程。文章介绍了跨域对抗学习和图像空间正则化等技术，以保持图像质量和多样性。通过预训练映射网络F和生成器G，实现了模型的迁移学习。同时，探讨了如何利用预训练模型进行迁移学习和微调。
目录
主要贡献
- 通过GAN sketching，用一个或多个草图重写GAN，根据用户草图改变了原始GAN模型的权重，使初学者更容易训练GAN。
- 跨域对抗损失来匹配用户草图。
- 探索了不同的正则化方法，以保持原始模型的多样性和图像质量。
实现方法
总体流程
第一部分：
预训练映射网络F将模型
订阅专栏 解锁全文
扫一扫
评论 2
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
查看更多评论
添加红包
