GAN
文章平均质量分 85
蹦跶的小羊羔
我养的猫长大了茶树也结了茶
展开
-
【paper and code】StarGAN
文章下载链接:https://arxiv.org/abs/1711.09020代码链接:https://github.com/yunjey/StarGAN一、这篇文章讲了什么? Pix2Pix模型解决了有Pair对数据的图像翻译问题;CycleGAN解决了Unpaired数据下的图像翻译问题。 但无论是Pix2Pix还是CycleGAN,都是解决了一...原创 2020-04-30 10:45:35 · 1033 阅读 · 0 评论 -
AlignGAN: Learning to Align Cross-Domain Images with Conditional Generative Adversarial Networks
下载链接:https://arxiv.org/pdf/1707.01400.pdf一 、什么是对抗?对抗样本和对抗网络 所谓对抗,样本是指将实际样本略加扰动而构造出的合成样本,对该样本,分类器非常容易将其类别判错,这意味着光滑性假设(相似的样本应该以很高的概率被判为同一类别)某种程度上被推翻了。 有一篇论文应该是最早提出对抗样本概念的。该论文指出,包...原创 2020-04-23 20:55:05 · 1026 阅读 · 0 评论 -
MC-GAN:Multi-Content GAN for Few-Shot Font Style Transfer
MC-GAN:Multi-Content GAN for Few-Shot Font Style Transfer多内容GAN,可进行少量字体转换文章下载链接:https://arxiv.org/pdf/1712.00516.pdf代码地址:https://github.com/azadis/MC-GAN一、源码1. 数据集2. networks.pyimp...原创 2020-04-09 22:04:10 · 801 阅读 · 0 评论 -
Triple Generative Adversarial Nets
文章下载链接:https://arxiv.org/pdf/1703.02291v2.pdf一、这篇文章解决了什么问题? 生成对抗网络(GAN)在图像生成和半监督学习(SSL)中显示出了希望。 但是,SSL中现有的GAN有两个问题:(1)生成器和判别器(即分类器)可能无法同时处于最佳状态;(2)生成器无法控制所生成样本的语义。 问...原创 2020-04-08 20:22:11 · 1575 阅读 · 0 评论 -
【paper and code】AC-GAN
论文下载地址:https://arxiv.org/pdf/1610.09585.pdf一、文章主要解决了什么问题? 在本文中,介绍了用于改进生成式对抗网络(GAN)进行图像合成的新方法。 构建了使用标签调节的GAN的变体,该变体导致显示出整体一致性的128×128分辨率图像样本。 扩展了先前的图像质量评估工作,以提供两种新的分析方法来评估来自类条件图像合成模型的样本的可...原创 2020-03-31 20:59:05 · 555 阅读 · 0 评论 -
PatchGAN:Image-to-Image Translation with Conditional Adversarial Networks
写过很多次博客,但是有关GAN的很少,都快忘记了还要分享对于GAN的心得了,恰巧最近正在重新看之前看过的文章,借此机会也把更多GAN的内容总结成文,帮助自己做好笔记。文章下载地址:http://openaccess.thecvf.com/content_cvpr_2017/papers/Isola_Image-To-Image_Translation_With_CVPR_2...原创 2020-03-26 15:37:29 · 846 阅读 · 0 评论 -
回顾InfoGAN与隐变量
一、代码1. MNIST数据集的引变量cdataset = MnistDataset()#数据集MNIST latent_spec = [ (Uniform(62), False),#62类默认是false (Categorical(10), True),#离散码c1 (Uniform(1, fix_std=True), T...原创 2020-02-07 17:22:52 · 586 阅读 · 0 评论 -
GAN文章概述
1. GAN我们提出了一个通过对抗过程来估计生成模型的新框架,其中我们同时训练两个模型:捕获数据分布的生成模型G和估计样本来自训练数据而不是生成模型概率的判别模型D。对G的训练过程是最大化D出错的概率。这个框架对应于一个极小型双人游戏。在任意函数G和D的空间中,存在唯一的解决方案,其中G恢复训练数据分布并且D等于1/2处。 在G和D由多层感知器定义的情况下,整个系统可以通过传播进行训练。在训练...原创 2019-02-26 20:51:30 · 2329 阅读 · 0 评论 -
Image-to-Image Translation with Conditional Adversarial Networks
论文下载地址:https://arxiv.org/abs/1611.07004一、摘要本文研究条件对抗网络作为图像到图像转换问题的通用解决方案。这些网络不仅学习从输入图像到输出图像的映射,还学习了用于训练该映射的损失函数。这使得可以对传统上需要非常不同的损失配方的问题应用相同的通用方法。我们证明了这种方法可以有效地合成标签贴图中的照片,从边缘贴图重建对象,以及着色图像等。事实上,自从与本文...原创 2019-03-05 14:28:45 · 447 阅读 · 0 评论 -
具有多个生成器和多个判别器的GAN
∆ -GAN(2个判别器,2个生成器)三维生成对抗网络(Δ-GAN)用于半监督跨域联合分布匹配,其中训练数据由来自每个域的样本组成,并且域对应的监督仅由少数配对样本提供。Δ-GAN由四个神经网络,两个发生器和两个鉴别器组成。生成器被设计用于学习两个域之间的双向条件分布,而判别器隐含地定义了三元鉴别函数,该函数经过训练以区分真实数据对和两种假数据对。生成器和判别器使用对抗学习同步训练。在温和的假...原创 2019-02-26 10:50:04 · 13547 阅读 · 0 评论 -
Triangle Generative Adversarial Networks
一、∆ -GAN理论1. 引入以成对数据集为训练集进行训练的GAN有很多,其中包括DualGAN、DiscoGAN、CycleGAN、Bidirectional GAN、TripleGAN等,文中提到由于DualGAN等是完全无监督的,导致一些不可识别的问题产生,所以应提供适当的监督,来匹配跨域的联合分布,因而提出了Triangle GAN。∆ -GAN与其他相似GAN的比较:(1...原创 2019-02-26 10:45:51 · 948 阅读 · 0 评论 -
GAN汇总
3D-ED-GAN - Shape Inpainting using 3D Generative Adversarial Network and Recurrent Convolutional Networks 3D-GAN - Learning a Probabilistic Latent Space of Object Shapes via 3D Generative-Adversarial...原创 2018-12-26 11:02:00 · 2992 阅读 · 0 评论 -
生成式对抗网络GAN生成手写数字
GAN(Generative Adversarial Networks)是较为火热的一种神经网络,具有较多的优势和特点。一、GAN1. 原理源自于零和博弈(zero-sum game),包括生成模型(generative model, G)和判别模型(discriminative model, D)。G,D的主要功能是:(1)G是一个生成式的网络,它接收一个随机的噪声z(随机数...原创 2018-08-21 19:50:03 · 1230 阅读 · 0 评论 -
在docker上和ubuntu上运行InfoGAN
InfoGAN是GAN的非常有名的改进,本文记录如何运行。一、Docker上运行1. 安装Docker引用:https://www.cnblogs.com/linjj/p/5606687.html上面的链接详细介绍了如何在win10上安装docker,亲测是非常有效,且介绍的非常详细。2. 下载InfoGAN github上源码如下图所示:InfoGAN g...原创 2018-07-22 15:20:24 · 323 阅读 · 0 评论 -
InfoGAN学习笔记
InfoGAN: Interpretable Representation Learning by Information Maximizing Generative Adversarial NetsXi Chen, Yan Duan, Rein Houthooft, John Schulman, Ilya Sutskever, Pieter Abbeelhttps://arxiv.org...原创 2018-07-17 15:09:00 · 2451 阅读 · 0 评论