随笔分类 -  GAN

摘要:本文来自《BEGAN: Boundary Equilibrium Generative Adversarial Networks》,时间线为2017年3月。是google的工作。 作者提出一个新的均衡执行方法,该方法与从Wasserstein距离导出的loss相结合,用于训练基于自动编码器的GAN。 阅读全文
posted @ 2019-02-22 14:12 仙守 阅读(1059) 评论(0) 推荐(0) 编辑
摘要:本文来自《Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks》,时间线为2017年3月。本文算是GAN的一个很大的应用里程点,其可以用在风格迁移,目标形变,季节变换,相片增强等等。 1 引言 阅读全文
posted @ 2019-02-20 09:26 仙守 阅读(990) 评论(0) 推荐(0) 编辑
摘要:本文来自《Age Progression/Regression by Conditional Adversarial Autoencoder》,时间线为2017年2月。 该文很有意思,是如何通过当前图片生成你不同年龄时候的样子。 假设给你一张人脸(没有告诉你多少岁)和一堆网上爬取的人脸图像(包含不同 阅读全文
posted @ 2019-02-14 15:58 仙守 阅读(1855) 评论(0) 推荐(0) 编辑
摘要:本文来自《Wasserstein GAN》,时间线为2017年1月,本文可以算得上是GAN发展的一个里程碑文献了,其解决了以往GAN训练困难,结果不稳定等问题。 1 引言 本文主要思考的是半监督学习。当我们说学习概率分布,典型的思维是学习一个概率密度。这通常是通过定义一个概率密度的参数化族$(P_{ 阅读全文
posted @ 2019-02-12 18:00 仙守 阅读(1844) 评论(0) 推荐(0) 编辑
摘要:本文来自《towards principled methods for training generative adversarial networks》,时间线为2017年1月,第一作者为WGAN的作者,Martin Arjovsky。 下面引用自令人拍案叫绝的Wasserstein GAN 要知 阅读全文
posted @ 2019-01-23 13:54 仙守 阅读(875) 评论(0) 推荐(0) 编辑
摘要:本文来自《Image-to-Image Translation with Conditional Adversarial Networks》,是Phillip Isola与朱俊彦等人的作品,时间线为2016年11月。 作者调研了条件对抗网络,将其作为一种通用的解决image-to-image变换方法 阅读全文
posted @ 2019-01-11 15:16 仙守 阅读(2995) 评论(0) 推荐(0) 编辑
摘要:本文来自《Generative Visual Manipulation on the Natural Image Manifold》,是大神Jun-Yan Zhu在2016年9月的作品。 0 引言 视觉交流在现在的社会发展中一直处于技术不够强大的现状,比如你想要去商场买个衣服,你想要告知导购衣服的颜 阅读全文
posted @ 2019-01-08 14:24 仙守 阅读(823) 评论(0) 推荐(0) 编辑
摘要:本文来自《Adversarial Autoencoders》,时间线为2015年11月。是大神Goodfellow的作品。本文还有些部分未能理解完全,不过代码在AAE_LabelInfo,这里实现了文中2.3小节,当然实现上有点差别,其中one-hot并不是11个类别,只是10个类别。 本文提出“对 阅读全文
posted @ 2019-01-02 15:11 仙守 阅读(3396) 评论(1) 推荐(1) 编辑
摘要:本文来自《deep multi-scale video prediction beyond mean square error》,时间线为2015年11月,LeCun等人的作品。 从一个视频序列中预测未来的图像帧涉及到构建一个内部表征,该表征能够对准确对图片帧演化(如图像内容和动态)进行建模。这就是 阅读全文
posted @ 2018-12-27 12:36 仙守 阅读(1593) 评论(0) 推荐(0) 编辑
摘要:###0.背景 Tim Salimans等人认为之前的GANs虽然可以生成很好的样本,然而训练GAN本质是找到一个基于连续的,高维参数空间上的非凸游戏上的纳什平衡。然而不幸的是,寻找纳什平衡是一个十分困难的问题。在现有的针对特定场景算法中,GAN的实现通常是使用梯度下降的方法去训练GAN网络的目标函 阅读全文
posted @ 2018-01-19 22:32 仙守 阅读(2305) 评论(0) 推荐(0) 编辑

点击右上角即可分享
微信分享提示