sdnuwjw的博客

前言：DeLiGAN是计算机视觉顶会CVPR2017发表的一篇论文，本文将结合Python源代码学习DeLiGAN中的核心内容。DeLiGAN最大的贡献就是将生成对抗网络（GANs）的输入潜空间编码为混合模型（高斯混合模型），从而使得生成对抗网络（GANs）在数量有限但具有多样性的训练数据上表现出较好的性能；同时，在初始得分（Inception Score）的基础上提出了改进版初始得分（modif...

概述：InfoGAN是国际神经信息处理系统大会NIPS 2016上的论文，作者来自加州大学伯克利分校和OpenAI团队的研究人员，被OpenAI称为当年的五大突破之一。针对传统生成对抗网络以高度混杂的模式使用随机噪声，随机噪声的每一个维度不能显式地表示真实数据空间下的属性或特征的问题，论文所提出的InfoGAN以无监督方式学习隐空间下非混杂方式真实特征表示（disentangled repre...

the Helvetica Scenario：海奥维提卡情景Youtube 上的视频参考[2][1] Goodfellow I, Pouget-Abadie J, Mirza M, et al. Generative adversarial nets[C]//Advances in neural information processing systems. 2014: 2672-2680....

简称：【BigGANs】全称：《Large Scale GAN Training for High Fidelity Natural Image Synthesis》来源：ICLR 2019 OralBigGANs 的 Big 主要是两方面：（1）更大的模型（模型参数的数量是先前最好工作的 2~4 倍）（2）更大批量（批量大小是先前最好工作的 8 倍）硬件：128 ~ 512 个核的 ...