- 博客(4)
- 收藏
- 关注
RSS订阅原创 Evalution：（一）生成模型的度量标记（A note on the evaluation of generative models）ICLP 2016
paper：A note on the evalution of generative models相关的实验数据详情见：A note on the evaluation of generative models - Semantic Scholar目录概要1.介绍2 生成模型的训练3 生成模型的评估4.总结概要 概率生成模型可用于压缩，去噪，修复，...
2019-06-23 22:28:43
1281
原创 （三）使用生成对抗性网络(GAN)的“深度伪造”（“Deep Fakes” using Generative Adversarial Networks）2014
（三）使用生成对抗性网络(GAN)的“深度伪造”（“Deep Fakes” using Generative Adversarial Networks）paper：“Deep Fakes” using Generative Adversarial Networks (GAN)2014code：“Deep Fake”是一种基于人工智能的图像合成技术，比传统的图像到图像的是转换更加强大，...
2019-06-23 16:14:05
6526
原创 （二）检测GAN生成的伪造人脸（Learning to Detect Fake Face Images in the Wild）2019
（二）检测GAN生成的伪造人脸（Learning to Detect Fake Face Images in the Wild）2019paper：Learning to Detect Fake Face images in the wildcode：Fake-Face-Images-Detection-TensorflowGAN可以用于生成真实图片，不正确的使用带来应还。GaN可以被...
2019-06-23 16:02:43
7498
1
原创 （一）基于卷积神经网络的假人脸识别（Fake Faces Identification via Convolutional Neural Network）2018
（一）【假人脸识别】基于卷积神经网络的假人脸识别（Fake Faces Identification via Convolutional Neural Network）2018paper：Fake Faces Identification via Convolutional Netural Networkcode：GAN作为生成模型广泛应用于各个领域，基于这种模型可以获得高视觉质量的假...
2019-06-23 15:44:13
4808
3
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人