一些非常酷的GAN的应用

最新推荐文章于 2024-01-07 02:06:12 发布
最新推荐文章于 2024-01-07 02:06:12 发布
阅读量846 收藏 5
点赞数
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/u011984148/article/details/99439879
版权

点击上方“AI公园”，关注公众号，选择加“星标“或“置顶”

作者：Jonathan Hui

编译：ronghuaiyang

导读

GANs被称为是度学“过去20年内在深习上最酷的想法”，既然是最酷的想法，那就会有最酷的应用，一起来看看吧！

在GAN发展的头几年，我们取得了令人印象深刻的进展。再也不是恐怖电影里那种邮票大小的面部照片了。在2017年，GAN生成的1024×1024的图像可以让星探上当。在未来几年，我们可能会看到GANs生成的高质量视频。商业应用将会出现！作为GAN系列的一部分，我们将研究一些很酷的应用，并希望它们能够成为你的GAN应用的灵感来源。

创造动漫人物

游戏开发和动画制作成本高昂，需要雇佣许多艺术家来完成相对常规的任务。GAN可以自动生成动画角色并为其上色。

640?wx_fmt=png

Towards the automatic Anime characters creation with Generative Adversarial Networks

生成器和判别器由多个卷积层、batch normalization和带跳跃连接的ReLU层组成。

640?wx_fmt=png

人物姿态图像生成

通过额外的姿态输入，我们可以将图像转换成不同的姿态。例如，右上角的图像是ground truth，右下角的图像是生成的图像。

640?wx_fmt=jpeg

下面的是生成的图像。

640?wx_fmt=png

这个设计由两级图像生成器和判别器组成。生成器使用元数据(姿态)和原始图像来重建图像。判别器使用原始图像作为CGAN设计的标签输入的一部分。

640?wx_fmt=png

CycleGAN

跨域转换GANs很可能是第一批的商业应用。这些GANs将图像从一个领域(如真实的风景)变换到另一个领域(莫奈或梵高的绘画)。

640?wx_fmt=png

例如，它可以在斑马和马之间转换图像。

640?wx_fmt=png

CycleGAN构建2个网络G和F，构建从一个域到另一个域以及相反方向的图像变换。它使用判器来判断生成的图像的好坏。例如，G将真实图像转换为梵高风格的绘画，Dy用于区分图像是真实的还是生成的。

域A➝域B：

640?wx_fmt=jpeg

我们在相反的方向域B➝域A重复这个过程：

640?wx_fmt=jpeg

PixelDTGAN

时尚博主和电子商务已经开始流行根据名人照片来推荐商品。PixelDTGAN可以从一张图像来创建服装图像和样式。

640?wx_fmt=png

640?wx_fmt=png

PixelDTGAN

640?wx_fmt=png

PixelDTGAN

超分辨率

从低分辨率创建超分辨率图像。在这一领域，GAN表现出了令人印象深刻的成果，并具有即刻的商业可能性。

640?wx_fmt=png

SRGAN

与许多GAN设计类似，它由许多卷积层、batch normalization、高级ReLU和skip连接组成。

640?wx_fmt=png

SRGAN

渐进生成的GANs

渐进式GAN可能是第一个展示商业级图像质量的GAN。下面是由GAN生成的1024×1024的名人图片。

640?wx_fmt=png

Progressive growing of GANs

它采用分治策略，使训练更加可行。一次训练构建2×分辨率的图像。

640?wx_fmt=jpeg

9个阶段，生成一个1024×1024的图像。

640?wx_fmt=png

Progressive growing of GANs

高分辨率图像生成

这不是图像分割！而是反过来，从语义映射生成图像。收集样本是非常昂贵的。我们尝试用生成的数据来补充训练数据集，以降低开发成本。在训练自动驾驶汽车的过程中生成视频，而不是看着它们在你的社区里巡航，这将非常方便。

网络设计：

640?wx_fmt=png

pix2pixHD

640?wx_fmt=png

pix2pixHD

Text to image (StackGAN)

文本到图像是域转换GAN较早的应用之一。我们输入一个句子并生成多个符合描述的图像。

640?wx_fmt=png

StackGAN


640?wx_fmt=png

StackGAN

文本到图像的生成

另一个流行的实现：

640?wx_fmt=png

Generative Adversarial Text to Image Synthesis

人脸生成

合成不同姿势的人脸：用一张输入图像，我们创建不同视角的人脸。例如，我们可以使用它来转换图像，这将更容易进行人脸识别。

640?wx_fmt=png

TP-GAN


640?wx_fmt=png

TP-GAN

图像修复

修复图像是几十年前的一个重要课题。GAN用于修复图像，并用创建的“内容”填充缺失的部分。

640?wx_fmt=png

Context encoder

学习联合分布

用不同的面部特征组合(金发，女性，微笑，戴眼镜)，(棕色，男性，微笑，不戴眼镜)创建GANs是很昂贵的…相反，我们可以学习单独的数据分布，并将它们组合成不同的分布。即不同的属性组合。

640?wx_fmt=png

640?wx_fmt=png

CoGAN

640?wx_fmt=png

CoGAN

DiscoGAN

DiscoGAN提供了风格的匹配：许多潜在的应用。disco学习跨域的关系，没有标签或配对。例如，它成功地将样式(或模式)从一个域(手袋)变换到另一个域(鞋子)。

640?wx_fmt=png

DiscoGAN

Discgan和CycleGAN在网络设计上非常相似。

640?wx_fmt=png

DiscoGAN

Pix2Pix

Pix2Pix是一种图像到图像的转换，经常在GAN的跨域论文中被引用。例如，它将卫星图像转换为地图(左下角)。

640?wx_fmt=png

DTN

从图片中创建表情符号。

640?wx_fmt=png

DTN

640?wx_fmt=png

DTN

纹理生成

640?wx_fmt=png

MGAN

图像编辑 (IcGAN)

重建或编辑具有特定属性的图像。

640?wx_fmt=png

IcGAN

640?wx_fmt=png

IcGAN

Face aging (Age-cGAN)

640?wx_fmt=png

Age-cGAN

640?wx_fmt=png

Age-cGAN

Neural Photo Editor

基于内容的图像编辑：例如，扩展发带。

640?wx_fmt=gif

Refine image

640?wx_fmt=png

物体检测

这是用GAN增强现有解决方案的一个应用。

640?wx_fmt=png

Perceptual GAN

图像融合

把图像融合在一起。

640?wx_fmt=png

GP-GAN

视频生成

创建新的视频序列。它识别什么是背景，并为前台操作创建新的时间序列。

生成3D物体

这是一篇经常引用的用GAN创建3D对象的文章。3DGAN

640?wx_fmt=png

3DGAN

音乐生成

GAN可以应用于非图像领域，如作曲。

640?wx_fmt=png

MidiNet

640?wx_fmt=png

MidiNet

医疗(异常检测)

GAN还可以扩展到其他行业，如肿瘤检测领域。

640?wx_fmt=png

AnoGAN

640?wx_fmt=png

640?wx_fmt=png— END—

英文原文：https://medium.com/@jonathan_hui/gan-some-cool-applications-of-gans-4c9ecca35900

640?wx_fmt=jpeg

请长按或扫描二维码关注本公众号

喜欢的话，请给我个好看吧！640?wx_fmt=gif

ronghuaiyang
关注
【1】gans的应用 gan-applications.pdf
08-16
李宏毅老师最新的生成式对抗网络的应用介绍！非常值得学习！
GAN的一些很酷的应用
weixin_34395205的博客
03-24 364
在GAN发展的最初几年里，我们取得了令人瞩目的进展。当然，现在不会是像恐怖电影里那样有邮票大小的面部照片了。2017年，Gan制作了1024×1024张能愚弄人才童子军的照片。在未来几年，我们可能会看到GAN生成的高质量视频，由此衍生的商业应用程序即将来临。作为GAN系列的一部分，我们研究了一些很酷的应用程序，希望它们能作你的GAN应用程序的灵感来源。 ...
GAN应用汇总
Double_V的博客
07-01 4万+
GAN的应用汇总（持续更新） 前言： GAN全称是Generator adversarial networks,中文是生成对抗网络，是一种生成式模型，由good fellow在14年提出，近四年来被AI研究者疯狂研（guan）究（shui），更有大神建立一个GAN zoo，收集了上百种不同的GAN：https://github.com/hindupuravinash/the-gan...
GAN应用
weixin_39323037的博客
04-06 743
注：拉到最后有视频版哦~ 我结合我的方向，给大家介绍一下 GAN 方面的一些应用，因为我是做人脸的，大部分的应用都会在人脸上 在讲论文前，我们先来回顾下 PGGAN 和 stylegan，我今天讲的三篇论文都是基于这两个网络的 PGGAN 是一个渐进式的网络，主要的创新是能产生高清的图片。开始的时候 GAN 的网络非常浅，只能学习低分辨率（4×4）的图片生成，随着训练进行，我们会把 GANs 的网络层数逐渐加深，进而去学习更高分辨率的图片生成，最终不断的更新 GANs，从而能学习到 1024×1024 分辨
GAN简介及其常见应用
喜欢打酱油的老鸟
03-15 7880
https://www.toutiao.com/a6665986672145990156/ GAN简介及其常见应用 很长一段时间，只有人类有能力创造，人工智能唯一的好处是解决回归，分类和聚类等问题，但随着生成网络的引入，人工智能研究人员能够使机器生成相同的内容或与人类同行相比质量更高。 什么是GANs？ 生成性对抗网络（GANs）是蒙特利尔大学(University of ...
GAN应用之数据生成，无监督深度学习新方法（3）
qq_43019117的博客
09-21 4862
3.1 从GAN到Conditional GAN GAN的生成式模型可以拟合真实分布，所以它可以用于伪造数据。DCGAN是第一个用全卷积网络做数据生成的，下面是它的基本结构和生成的数据。 输入100维的噪声，输出64*64的图像，从mnist的训练结果来看，还不错。笔者也用DCGAN生成过嘴唇表情数据，也是可用的。 但是它的问题是不能控制生成的数字是1还是9，所以后来有了CGAN,即条件GAN...
学习GAN必须阅读的10篇论文
TensorFlowNews
03-22 3286
本文转载自：魔图互联。欢迎访问网站查看详细教程：Tensorflow（pytorch）系列教程 生成对抗网络是深度学习中最有趣和最受欢迎的应用之一。本文将列出 10 篇关于 GAN 的论文，这些论文详细介绍了 GAN，以及了解最新技术的基础。 目录： DCGAN Improved Techniques for Training GANs Conditional GANs Progressivel...
GAN在视频生成与处理中的应用
## 1.2 GAN在图像生成中的应用 GAN在图像生成领域取得了巨大成功，包括图像转换、图像修复、图像合成等多个方面均有突出表现。 ## 1.3 GAN在视频生成中的特点 相比于静态图像，视频数据具有时序性和连续性，因
一文读懂GAN, pix2pix, CycleGAN和pix2pixHD
热门推荐
gdymind的博客
09-14 6万+
本文翻译、总结自朱俊伟的线上报告，主要讲了如何用机器学习生成图片。 来源：Games2018 Webinar 64期 ：Siggraph 2018优秀博士论文报告 人员信息 主讲嘉宾 姓名：朱俊彦（Jun-Yan Zhu） 现状：麻省理工学院博士后（PostDoc at MIT），计算机科学与人工智能实验室（Computer Science and Artificial In...
GAN的简单应用
Lin_drink_caffe的博客
07-07 575
GAN学习指南：从原理入门到制作生成Demo，总共分几步？ https://www.leiphone.com/news/201701/yZvIqK8VbxoYejLl.html?viewType=weixin
GAN 在计算机视觉中的应用
最新发布
程序员光剑
01-07 364
1.背景介绍 计算机视觉是人工智能领域的一个重要分支，主要关注于计算机从图像和视频中抽取高级特征，并进行理解和判断。随着深度学习技术的发展，计算机视觉的表现力得到了显著提高。在这里，我们将讨论 Generative Adversarial Networks(GAN)在计算机视觉领域的应用，以及其背后的算法原理和数学模型。 2.核心概念与联系 GAN 是一种深度学习的生成模型，由 Goodfe...
GAN应用简介
yihool_的博客
02-25 1971
1.先验分布和后验分布 1.1先验分布是总体分布参数θ的一个概率分布。 1.2 GAN 1.StyleGAN2 2. GAN for Image translation 2.1 from one domain to another Model: CycleGAN 2.2 GauGAN 通过绘制的草图生成逼真的图像 2.3 通过静态图像生成动态视频 2.4 3D领域上的应用 3. Companies using GANs Adobe 艺术家涂鸦风格 Google 文本生成...
GAN的详细介绍及其应用（全面且完整）
风信子的猫Redamancy的快乐星球
07-25 5667
通过姿势的附加输入，我们可以将图像转换为不同的姿势。例如，右上角图像是基础姿势，右下角是生成的图像。下面的优化结果列是生成的图像。该设计由二级图像发生器和鉴频器组成。生成器使用元数据（姿势）和原始图像重建图像。判别器使用原始图像作为设计标签输入的一部分。跨域名转让将很可能成为第一批商业应用。GANs将图像从一个领域（如真实的风景）转换为另一个领域（莫奈绘画或梵高）。例如，它可以在斑马和马之间转换图片。Cyclegan构建了两个网络G和F来构建从一个域到另一个域以及反向的图像。不同姿态下的合成面。......
GAN(生成对抗神经网络)能gan(干)什么？|万字总结20种应用
low5252的博客
04-13 1万+
（GAN）的应用非常广泛，近年来，对GAN的研究也越来越多，成为深度学习中最为活跃的领域之一。 我在本文中对GAN网络的主要应用进行详细梳理，共总结出近20种应用，给出了代表性论文。 生成图像数据集的示例 Generate Examples for Image Datasets 示例一 Ian Goodfellow等人在原始论文中描述了生成新的可信样本的应用。在2014年的论文“ Generative Adversarial Networks ”中，使用GAN为MNIS...
GAN-概念和应用场景
weixin_39107270的博客
01-05 459
一种模型称为“生成器”或“生成网络”模型，用于学习生成新的合理样本。另一个模型称为“判别器”或“判别网络”，用于学习区分生成的示例和真实示例。在这篇文章中，我们将回顾大量有趣的 GAN 应用，以帮助您直观地了解 GAN 可以使用和有用的问题类型。这两个模型设置在比赛或博弈中（在博弈论意义上），其中生成器模型试图欺骗判别器模型，并且为判别器提供了真实样本和生成样本的示例。生成式建模涉及使用模型生成可能来自现有样本分布的新示例，例如生成与现有照片数据集相似但又特别不同的新照片。为图像数据集生成示例。
生成对抗网络(GAN)的发展史 + StyleGAN的发展史
MOL
03-26 2万+
目录 诞生 青春期 1.DCGAN 2.BigGAN 3.StyleGAN 4.StackGAN 5.CycleGAN 6.Pix2pix 7.Age-cGAN（Age Conditional Generative Adversarial Networks） Edmond de Belamy 这个人并不存在 Deep Fakes 未来发展 现在 诞生 生成器网络将来自潜在空间的随机噪声矢量（不是来自潜在空间的所有GAN样本）变换为真实数据集的样本。 GAN具有大量的实际用例
GAN的应用：从图像生成到数据增强
程序员光剑
12-23 188
1.背景介绍 深度学习技术的迅猛发展为人工智能领域带来了巨大的潜力。其中，生成对抗网络（Generative Adversarial Networks，GANs）作为一种深度学习技术，在图像生成、数据增强等方面具有广泛的应用前景。本文将从多个角度深入探讨GAN的应用，包括其核心概念、算法原理、具体实例以及未来发展趋势。
生成对抗网络（GAN）是干什么用的？
choushi5845的博客
08-31 3万+
什么是生成对抗网络？生成式对抗网络（GAN, Generative Adversarial Networks ）是一种深度学习模型，是近年来复杂分布上无监督学习最具前景的方法之一。模型通过框架中（至少）两个模块：生成模型（Generative Model）和判别模型（Discriminativ...
深度学习驱动的GAN进展：跨领域应用与创新模型综述
生成对抗网络(Generative Adversarial Networks, GAN)作为深度学习领域的一个重要分支,自从其2014年由Ian Goodfellow等人提出以来,已经在众多领域展现出了强大的潜力和广泛的应用价值。GAN的核心思想是通过构建两个...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值