GAN势如破竹地被Goodfellow提出,Goodfellow师从Bengio,2014年的这一篇Generative Adversarial Nets的发表也是第一次GAN被完整的提出来。
论文翻译:https://m.2cto.com/kf/201610/552124.html
Goodefellow2016于NIPS上的演讲:https://channel9.msdn.com/Events/Neural-Information-Processing-Systems-Conference/Neural-Information-Processing-Systems-Conference-NIPS-2016/Generative-Adversarial-Networks
Goodefellow2016于NIPS上的演讲译文:https://ask.julyedu.com/question/7664
目录
2)解决方法:https://blog.csdn.net/on2way/article/details/72773771
1、背景
GAN的提出缘起于Goodfellow庆祝他的一个朋友博士学习结束,酒后饭桌上大家提及想要“试图用数学方法确定进入图片的所有内容,将这些统计信息输入一台机器,以便它可以自己创建照片”。然而Goodfellow却认为这是不可能人为完成的,因为要统计的量太多,没人能全部记下来,但是神经网络可以教会机器如何建立逼真的图片。
一些知识:
深度玻尔兹曼机:https://blog.csdn.net/u014314005/article/details/80583475
GSN生成随机网:https://baike.baidu.com/item/%E7%94%9F%E6%88%90%E9%9A%8F%E6%9C%BA%E7%BD%91%E7%BB%9C/22800088?fr=aladdin && https://blog.csdn.net/zhq9695/article/details/86688525
变分自编码器(VAEs):https://spaces.ac.cn/archives/5253
噪声对比估计(NCE):https://blog.csdn.net/littlely_ll/article/details/79252064
PM模型:PM模型与GAN有一些争议,主要是PM的作者在NIPS2016大会上直接怼了Goodfellow,但其实Goodfellow在2014第一次以论文形式提出GAN时就已经在文中说明了PM模型与GAN的区别,好吧,我就附上从PM到GAN的一篇帖子——