sunny0121的博客

            Image-to-Image Translation with Conditional Adversarial Networks 重点：提出了一种用于图像翻译任务的通用框架——CGAN用于图像翻译（Pixel2Pixel）。                                               （paired data）结构：生成器...

              High-Resolution Image Synthesis and Semantic Manipulation with Conditional GANs 解决问题：用CGAN合成分辨率为2048*1024的高分辨率且纹理逼真的图像。 方法：1、coarse-to-fine 生成器（G1（全局生成器） 、G2（局部增强生成器））      2、m...

原始文章1、Generative Adversarial Nets （arXiv:1406.2661v1）2014-6-10GAN演变1、Conditional Generative Adversarial Nets （arXiv:1411.1784v1）2014-12-62、InfoGAN: Interpretable Representation Learning by...

                                  用于未来帧预测的对偶生成对抗网络在自动驾驶领域，准确的预测下一个行驶场景对于安全行驶非常的关键，到目前为止已经有各种方法进行了尝试。用于监督学习的深度学习框架取的了很大的成果，但是用于通用、可扩展的视觉任务的无监督视频表征学习仍然没有得到解决。而因为自然场景复杂的外观和运动动态，视频的未来帧预测成为一个重要的挑战。视频的未...

                                                                           Video-to-Video Synthesis参考文献：1、Video-to-Video Synthesis 2018                  2、来源：机器之心https://mp.weixin.qq.com/s?__biz...

来源：NIPS2016 装载自 https://blog.csdn.net/u010620946/article/details/53681081 这篇论文提出了一个基于GAN的网络模型，同时可以进行视频识别和视频生成的task。 Task　　Video recognition &am...

                                         Temporal Generative Adversarial Nets with Singular Value Clipping       本篇论文中作者提出了一种新的生成对抗网络——TGAN，它可以学习无标签视频数据集中的语义表示并产生新的视频，不同于已有的用3D反卷积生成器生成视频的视频生成器，TGAN由...

基于多阶段生成对抗网络的延时摄影视频的生成 这篇论文中视频预测的目的是在给出开始帧的情况下预测逼真的、long-term、高质量的未来帧，未来帧主要包含两个方面的内容：视频内容和运动动态。下面是要得到这两个方面所存在的困难：1、视频内容生成：主要的问题是定义学习什么。模型仅仅基于一张静态的图片（开始帧）要生成未来帧，由于未来的不确定性，那么生成的视频就有很多种合理的结果，导致目...