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 ...
原文：Generative Adversarial Nets[LSGAN]
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。也就是之前的损失函数虽然可以判别是真假，可是对于人肉眼来说，还是违和感太强了，也就是生成的图像质量骗得过机器，却骗不 ...
2018-02-24 22:59 2 849 推荐指数：
相关推荐
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[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 ...
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 ...
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 ...
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 ...
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 ...
GAN（Generative Adversarial Nets）的发展
GAN（Generative Adversarial Nets），产生式对抗网络 存在问题： 1.无法表示数据分布 2.速度慢 3.resolution太小，大了无语义信息 4.无reference 5.intend to generate same image 6.梯度消失 ...