GAN
idestina
这个作者很懒,什么都没留下…
展开
-
论文笔记 Learning to Drive from Simulation without Real World Labels
问题背景: 模拟器的发展越来越好,在模拟器上进行实验有很多好处: 可以自由地改变环境外观、照明和天气条件,描述周围障碍物复杂性的更多结构变化,可以模拟在现实世界中难以(或危险)复制的场景。同时,模拟器统计提供了ground-truth表示,如语义,车辆相对道路的位置和角度。 在模拟器上进行训练和测试的模型是“doomed to succeed”事件,即注定会成功的,但是这样训练出来的模型在真实世界中是incapable的,因为存在 “reality gap”,即模拟器和真实世界的差距:在外观上的差异(原创 2020-07-15 01:41:15 · 552 阅读 · 0 评论 -
Mode Collapse 和 Mode Dropping的定义与不同
Mode Collapse 和 Mode Dropping两个都是GAN训练过程中由于散度函数选取不佳而产生的问题。 Mode Collapse 生成的图片比较集中,从二次元头实验可以看到,好多头像很类似,就是这个问题。 这个问题主要是由于实际的数据分布峰值有多个,而训练只拟合了其中的一个,如下图所示。 Mode Dropping 训练了多次以后,生成的图片人脸都是一样的,只有色调的改变。 两种问题有可能会同时发生,通常是改变散度函数来解决的。 如果有另外的知识...原创 2020-07-12 23:16:00 · 2436 阅读 · 0 评论