A Style-Based Generator Architecture for Generative Adversarial Networks---阅读笔记

这篇文章是根据一个数据集来生成各种风格的图片,可以认为是GAN-2.0版本。使用FID距离来判断生成的图片是不是真实的。
下图就是产生图片,几乎可以以假乱真。
在这里插入图片描述
现在有一种想法,让时频二维图尽可能的仿真出来新的图片
让时频二维图也产生类似的"风格"变化,我们能不能做出类似的干扰?
如果对方是这样"风格"的变化,我们能不能识别出来
可以顺着师兄的文章接着做一下
目前该文献阅读到2.1节
仅仅将截断利用在低分辨率上,高分辨率的细节不会受到影响,这是怎么做到的?
先不在意这些细节吧,往下接着看。

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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