随笔分类 -  Generative Adversarial Networks

上一页 1 2
（转）看穿机器学习（W-GAN模型）的黑箱
摘要：本文转自：http://www.360doc.com/content/17/0212/11/35919193_628410589.shtml# 本文转自：http://www.360doc.com/content/17/0212/11/35919193_628410589.shtml# 本文转自：h 阅读全文
posted @ 2017-02-12 16:53 AHU-WangXiao 阅读(2088) 评论(0) 推荐(0)
(转) GAN论文整理
摘要：本文转自：http://www.jianshu.com/p/2acb804dd811 GAN论文整理 作者 FinlayLiu 已关注 2016.11.09 13:21 字数 1551 阅读 1263评论 0喜欢 7 作者 FinlayLiu 已关注 2016.11.09 13:21 字数 1551 阅读全文
posted @ 2017-01-10 19:20 AHU-WangXiao 阅读(1566) 评论(0) 推荐(0)
NIPS 2016 Tutorial Generative Adversarial Networks Ian Goodfellow OpenAI, ian@openai.com
该文被密码保护。
posted @ 2017-01-10 18:41 AHU-WangXiao 阅读(3) 评论(0) 推荐(0)
StackGAN: Text to Photo-realistic Image Synthesis with Stacked Generative Adversarial Networks 论文笔记
摘要：StackGAN: Text to Photo-realistic Image Synthesis with Stacked Generative Adversarial Networks 本文将利用 GANs 进行高质量图像生成，分为两个阶段进行，coarse to fine 的过程。据说可以生成 阅读全文
posted @ 2017-01-05 17:19 AHU-WangXiao 阅读(2810) 评论(0) 推荐(0)
Image-to-Image Translation with Conditional Adversarial Networks 论文笔记
该文被密码保护。
posted @ 2017-01-05 15:28 AHU-WangXiao 阅读(5) 评论(0) 推荐(0)
Attribute2Image --- Conditional Image Generation from Visual Attributes 论文笔记
摘要：Attribute2Image Conditional Image Generation from Visual Attributes Target： 本文提出一种根据属性生成图像的产生式模型 。 有了具体属性的协助，生成的图像更加真实，降低了采样的不确定性。 基于这个假设，本文提出一种学习框架，得 阅读全文
posted @ 2016-12-29 21:53 AHU-WangXiao 阅读(1124) 评论(0) 推荐(0)
(转) 简述生成式对抗网络
摘要：简述生成式对抗网络 【转载请注明出处】chenrudan.github.io 本文主要阐述了对生成式对抗网络的理解，首先谈到了什么是对抗样本，以及它与对抗网络的关系，然后解释了对抗网络的每个组成部分，再结合算法流程和代码实现来解释具体是如何实现并执行这个算法的，最后给出一个基于对抗网络改写的去噪网络 阅读全文
posted @ 2016-11-16 12:19 AHU-WangXiao 阅读(53328) 评论(2) 推荐(0)
论文笔记之：Generative Adversarial Text to Image Synthesis
摘要：Generative Adversarial Text to Image Synthesis ICML 2016 摘要：本文将文本和图像练习起来，根据文本生成图像，结合 CNN 和 GAN 来有效的进行无监督学习。 Attribute Representation: 是一个非常具有意思的方向。由图像 阅读全文
posted @ 2016-10-31 13:17 AHU-WangXiao 阅读(3446) 评论(0) 推荐(0)
论文笔记之：Conditional Generative Adversarial Nets
摘要：Conditional Generative Adversarial Nets arXiv 2014 本文是 GANs 的拓展，在产生 和 判别时，考虑到额外的条件 y，以进行更加“激烈”的对抗，从而达到更好的结果。 众所周知，GANs 是一个 minmax 的过程： 而本文通过引入 条件 y，从而 阅读全文
posted @ 2016-10-31 00:39 AHU-WangXiao 阅读(1105) 评论(1) 推荐(0)
论文阅读之：Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network
摘要：Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network 2016.10.23 摘要：本文针对传统超分辨方法中存在的结果过于平滑的问题，提出了结合最新的对抗网络的方法，得到了不错的效果。并 阅读全文
posted @ 2016-10-23 12:29 AHU-WangXiao 阅读(6757) 评论(0) 推荐(0)
论文笔记之：Deep Generative Image Models using a Laplacian Pyramid of Adversarial Networks
摘要：Deep Generative Image Models using a Laplacian Pyramid of Adversarial Networks NIPS 2015 摘要：本文提出一种 generative parametric model 能够产生高质量自然图像。我们的方法利用 Lap 阅读全文
posted @ 2016-10-16 15:44 AHU-WangXiao 阅读(3509) 评论(0) 推荐(0)

上一页 1 2