文章目录
Gan Road
Key、算法应用技巧
先找(重在积累和论文阅读)现有模型(传统/深度)建立一个基础结果benchmark,然后基于此改进(效率和用户的体验性)
对于数据来讲:是什么?有什么?缺什么?#
对于应用:解决问题(常见模型、常见loss,常见训练trick)
一、应用
1 生成图像场景;艺术创作、换衣服
2 上色(从分割图像到生成图像)
3 从低分辨率图像生成高分辨率图像等[4].
二 动漫领域的应用
卢薇薇讲座应用
将G的分布逼近真实样本的分布
Gan发展的两头loss和网络模型:图上,图下
loss量化likelihood: KL Divergence–> JL Divergence–> Wasserstein Distence
DCGan
PG Gan
style Gan: laten z 可以控制粗、中、细三种特征 (44 1616 256*256)
找到了图像到编码z的编码: 对应特征空间的latent编码
三 更多应用:图像图像翻译(pix2pixGan、cycle Gan)、超分辨率、修复、交互
图像翻译:图像上色、分割2real、白天黑夜场景转换
cycle Gan
Funit Nvidia
Partial Conv Nvidia
四、漫画中Gan的应用 DCgan生成人脸(训练数据集的清洗)
剧本–>动漫形象设计–>分镜草稿–>完成线稿–> 线稿上色–>添加背景