
生成对抗网络
framebreak
这个作者很懒,什么都没留下…
展开
-
论文阅读《Progressive Growing of GANs for Improved Quality, Stability, and Variation》
what is GANGAN包含两个网络:Generator和Discriminator(在WGAN中称作Critic)。G由一个laten code(或噪声)生成一个样本,比如图片。而生成的样本应该与真实的样本分布相同或相似。D用来判断这种“分布是否相似”。训练完成的理想状态是G生成的样本与真实样本一样,D不能判断生成的到底是真实的还是假的。而训练过程可以按梯度来指导G与D的优化方向。一般情...转载 2019-04-25 18:18:09 · 1804 阅读 · 0 评论 -
论文笔记《A Style-Based Generator Architecture for Generative Adversarial Networks》
这是NVIDIA的一篇新论文,一个对于GAN(StyleGAN)的基于样式的生成器体系结构,提出了一个新的模型来应对这个挑战。StyleGAN是一步一步地生成人工图像的,从非常低的分辨率开始,一直到高分辨率(1024×1024)。通过分别地修改网络中每个级别的输入,它可以控制在该级别中所表示的视觉特征,从粗糙的特征(姿势、面部形状)到精细的细节(头发颜色),而不会影响其它的级别。这种技术不仅可以...转载 2019-04-25 18:32:20 · 10954 阅读 · 0 评论 -
GAN的谱归一话
https://blog.youkuaiyun.com/songbinxu/article/details/84581248转载 2019-06-26 09:51:27 · 229 阅读 · 0 评论 -
GAN-GP(Gradient Penalty)
在前面的基础上:GAN——DCGAN——LSGAN——WGAN——WGAN-GP(本文)在原始GAN基础上,DCGAN作者首先提出了一个将CNN引入GAN的全新架构,在一定程度上提高了训练的结果,但是这仅仅是一个治标不治本的架构;LSGAN在DCGAN的网络架构基础上进一步对Objective Function做了变动,但是还是会出现mode collapse的问题;在将KL散度–JS散度...转载 2019-07-15 11:16:13 · 3000 阅读 · 0 评论 -
Wasserstein distance(EM距离)
转载 2019-07-15 11:29:43 · 1713 阅读 · 0 评论