《生成对抗网络》综述（附257页ppt下载）

地址：

https://sites.google.com/view/berkeley-cs294-158-sp20/

主要由UC伯克利教授Pieter Abbeel主讲，他曾师从吴恩达，现任伯克利机器人学习实验室主任、伯克利人工智能研究（BAIR）实验室联合主任；covariant.ai联合创始人，总裁兼首席科学家、OpenAI顾问。

• 隐式模型的动机和定义

• 原始GAN (Goodfellow et al, 2014)

• 评估指标: Parzen、Inception、Frechet

• 一些理论: 贝叶斯最优判别器; Jensen-Shannon散度; 模式崩溃; 避免饱和

• GAN进展

  DCGAN (Radford et al, 2016)

  改进GANs训练(Salimans et al, 2016)

  WGAN, WGAN- gp, Progressive GAN, SN-GAN, SAGAN

  BigGAN, BigGAN- deep, StyleGAN, StyleGAN-v2, VIB-GAN

• 极具创造力的条件GAN

• GANs与表征

• GANs作为能量模型

• GANs与最优传输，隐式似然模型，矩匹配?

• 对抗性损失的其他用途：迁移学习等

• GANs和模仿学习

摘录部分如下：

分享一个GAN教程PPT，后台回复【gansppt】即可获取

 

文章推荐

复旦大学邱锡鹏教授：一张图带你梳理深度学习知识脉络

算法初级职位内卷，如何选择适合自己的方向?

一位中国博士把整个CNN都给可视化了，可交互有细节，每次卷积ReLU池化都清清楚楚

机器学习在图像分类与识别中的应用（附PPT下载）