《滕王阁序》&本周部分GAN论文（0113-0117）

欢迎点击上方蓝字，关注啦~

相关阅读：

GAN整整6年了！是时候要来捋捋了！ 

脸部转正！GAN能否让侧颜杀手、小猪佩奇真容无处遁形？

容颜渐失！GAN来预测？

弱水三千，只取你标！AL（主动学习）结合GAN如何？

异常检测，GAN如何gan ?

虚拟换衣！速览这几篇最新论文咋做的！

脸部妆容迁移！速览几篇用GAN来做的论文

【1】GAN在医学图像上的生成，今如何？

01-GAN公式简明原理之铁甲小宝篇

滕王阁序

王勃 

豫章故郡，洪都新府。星分翼轸，地接衡庐。襟三江而带五湖，控蛮荆而引瓯越。物华天宝，龙光射牛斗之墟；人杰地灵，徐孺下陈蕃之榻。雄州雾列，俊采星驰。台隍枕夷夏之交，宾主尽东南之美。都督阎公之雅望，棨戟遥临；宇文新州之懿范，襜帷暂驻。十旬休假，胜友如云；千里逢迎，高朋满座。腾蛟起凤，孟学士之词宗；紫电青霜，王将军之武库。家君作宰，路出名区；童子何知，躬逢胜饯。

时维九月，序属三秋。潦水尽而寒潭清，烟光凝而暮山紫。俨骖騑于上路，访风景于崇阿；临帝子之长洲，得天人之旧馆。层峦耸翠，上出重霄；飞阁流丹，下临无地。鹤汀凫渚，穷岛屿之萦回；桂殿兰宫，即冈峦之体势。

披绣闼，俯雕甍，山原旷其盈视，川泽纡其骇瞩。闾阎扑地，钟鸣鼎食之家；舸舰弥津，青雀黄龙之舳。云销雨霁，彩彻区明。落霞与孤鹜齐飞，秋水共长天一色。渔舟唱晚，响穷彭蠡之滨；雁阵惊寒，声断衡阳之浦。

遥襟甫畅，逸兴遄飞。爽籁发而清风生，纤歌凝而白云遏。睢园绿竹，气凌彭泽之樽；邺水朱华，光照临川之笔。四美具，二难并。穷睇眄于中天，极娱游于暇日。天高地迥，觉宇宙之无穷；兴尽悲来，识盈虚之有数。望长安于日下，目吴会于云间。地势极而南溟深，天柱高而北辰远。关山难越，谁悲失路之人？萍水相逢，尽是他乡之客。怀帝阍而不见，奉宣室以何年？

嗟乎！时运不齐，命途多舛。冯唐易老，李广难封。屈贾谊于长沙，非无圣主；窜梁鸿于海曲，岂乏明时？所赖君子见机，达人知命。老当益壮，宁移白首之心？穷且益坚，不坠青云之志。酌贪泉而觉爽，处涸辙以犹欢。北海虽赊，扶摇可接；东隅已逝，桑榆非晚。孟尝高洁，空余报国之情；阮籍猖狂，岂效穷途之哭！

勃，三尺微命，一介书生。无路请缨，等终军之弱冠；有怀投笔，慕宗悫之长风。舍簪笏于百龄，奉晨昏于万里。非谢家之宝树，接孟氏之芳邻。他日趋庭，叨陪鲤对；今兹捧袂，喜托龙门。杨意不逢，抚凌云而自惜；钟期既遇，奏流水以何惭？

呜乎！胜地不常，盛筵难再；兰亭已矣，梓泽丘墟。临别赠言，幸承恩于伟饯；登高作赋，是所望于群公。敢竭鄙怀，恭疏短引；一言均赋，四韵俱成。请洒潘江，各倾陆海云尔：

滕王高阁临江渚，佩玉鸣鸾罢歌舞。

画栋朝飞南浦云，珠帘暮卷西山雨。

闲云潭影日悠悠，物换星移几度秋。

阁中帝子今何在？槛外长江空自流。

---

【1】microbatchGAN: Stimulating Diversity with Multi-Adversarial Discrimination 

链接：https://arxiv.org/abs/2001.03376

【2】Adversarial Loss for Semantic Segmentation of Aerial Imagery 

链接：https://arxiv.org/abs/2001.04269

【3】Symmetric Skip Connection Wasserstein GAN for High-Resolution Facial  Image Inpainting 

链接：https://arxiv.org/abs/2001.03725

【4】Separating Content from Style Using Adversarial Learning for Recognizing  Text in the Wild 

链接：https://arxiv.org/abs/2001.04189

【5】 Head and Tail Localization of C. elegans 

链接：https://arxiv.org/abs/2001.03981  

【6】 Unsupervised Enhancement of Real-World Depth Images Using Tri-Cycle GAN 

链接：https://arxiv.org/abs/2001.03779  

【7】 AE-OT-GAN: Training GANs from data specific latent distribution 

链接：https://arxiv.org/abs/2001.03698  

【8】 Incremental Unsupervised Domain-Adversarial Training of Neural Networks 

链接：https://arxiv.org/abs/2001.04129

【9】 Structured GANs 

链接：https://arxiv.org/abs/2001.05216

【10】 Identifying Table Structure in Documents using Conditional Generative Adversarial Networks

链接：https://arxiv.org/abs/2001.05853

【11】 Application of Deep Learning in Generating Desired Design Options: Experiments Using Synthetic Training Dataset

链接：https://arxiv.org/abs/2001.05849

【12】 Translating multispectral imagery to nighttime imagery via conditional generative adversarial networks

链接：https://arxiv.org/abs/2001.05848

【13】 Adversarial Example Generation using Evolutionary Multi-objective Optimization

链接：https://arxiv.org/abs/2001.05844

【14】 Wi2Vi: Generating Video Frames from WiFi CSI Samples

链接：https://arxiv.org/abs/2001.05842

【15】 CDGAN: Cyclic Discriminative Generative Adversarial Networks for Image-to-Image Transformation

链接：https://arxiv.org/abs/2001.05489

---

更多分享欢迎关注本公众号：