Generative Adversarial Nets[Wasserstein GAN]
本文来自《Wasserstein GAN》，时间线为2017年1月，本文可以算得上是GAN发展的一个里程碑文献了，其解决了以往GAN训练困难，结果不稳定等问题。 1 引言 本文主要思考的是半监督学习。当我们说学习概率分布，典型的思维是学习一个概率密度。这通常是通过定义一个概率密度的参数化族 ...
原文：GAN（Generative Adversarial Nets）的发展
GAN Generative Adversarial Nets ，产生式对抗网络 存在问题： .无法表示数据分布 .速度慢 .resolution太小，大了无语义信息 .无reference .intend to generate same image .梯度消失 论文摘要： Goodfellow, Ian, et al. Generative adversarial nets. Advances ...
2016-10-21 15:51 0 3286 推荐指数：
相关推荐
Generative Adversarial Nets[Improved GAN]
0.背景 Tim Salimans等人认为之前的GANs虽然可以生成很好的样本，然而训练GAN本质是找到一个基于连续的，高维参数空间上的非凸游戏上的纳什平衡。然而不幸的是，寻找纳什平衡是一个十分困难的问题。在现有的针对特定场景算法中，GAN的实现通常是使用梯度下降的方法去训练GAN网络的目标 ...
Generative Adversarial Nets[AAE]
本文来自《Adversarial Autoencoders》，时间线为2015年11月。是大神Goodfellow的作品。本文还有些部分未能理解完全，不过代码在AAE_LabelInfo,这里实现了文中2.3小节，当然实现上有点差别，其中one-hot并不是11个类别，只是10个类别。 本文 ...
Generative Adversarial Nets[CAAE]
本文来自《Age Progression/Regression by Conditional Adversarial Autoencoder》，时间线为2017年2月。 该文很有意思，是如何通过当前图片生成你不同年龄时候的样子。 假设给你一张人脸（没有告诉你多少岁）和一堆网上爬取的人脸图像 ...
Generative Adversarial Nets[EBGAN]
0. 背景 Junbo Zhao等人提出的“基于能量的GAN”网络，其将判别器视为一个能量函数而不需要明显的概率解释，该函数可以是一个可训练的损失函数。能量函数是将靠近真实数据流形的区域视为低能量区域，而远离的视为高能量区域。和“概率GAN”相似，训练中，生成器会尽可能生成最小能量时候的伪造 ...
Generative Adversarial Nets[LSGAN]
0 背景 在这之前大家在训练GAN的时候，使用的loss函数都是sigmoid_cross_entropy_loss函数，然而xudon mao等人发现当使用伪造样本去更新生成器（且此时伪造样本也被判别器判为对的时候）会导致梯度消失的问题。虽然此时伪造样本仍然离真实样本分布距离还挺远。也就 ...
Generative Adversarial Nets[Vanilla]
引言中已经较为详细的介绍了GAN的理论基础和模型本身的原理。这里主要是研读Goodfellow的第一篇GAN论文。 0. 对抗网络 如引言中所述，对抗网络其实就是一个零和游戏中的2人最小最大游戏，主要就是为了处理下面的函数\(V(G,D)\): 在实现过程中，如果将D和G都写入同一个循环 ...
Generative Adversarial Nets[content]
0. Introduction 基于纳什平衡，零和游戏，最大最小策略等角度来作为GAN的引言 1. GAN GAN开山之作 图1.1 GAN的判别器和生成器的结构图及loss 2. Conditional GAN 图2.1 CGAN的目标函数 图2.2 CGAN ...