Generative Adversarial Nets[AAE]
本文來自《Adversarial Autoencoders》，時間線為2015年11月。是大神Goodfellow的作品。本文還有些部分未能理解完全，不過代碼在AAE_LabelInfo,這里實現了文中2.3小節，當然實現上有點差別，其中one-hot並不是11個類別，只是10個類別。 本文 ...
原文：Generative Adversarial Nets[Theory&MSE]
本文來自 deep multi scale video prediction beyond mean square error ，時間線為 年 月，LeCun等人的作品。 從一個視頻序列中預測未來的圖像幀涉及到構建一個內部表征，該表征能夠對准確對圖片幀演化 如圖像內容和動態 進行建模。這就是為什么像素空間的視頻預測主要是通過無監督特征學習來完成。雖然光流在CV領域已經研究的很成熟了，卻很少用在未 ...
2018-12-27 12:36 0 788 推薦指數：
相關推薦
Generative Adversarial Nets[CAAE]
本文來自《Age Progression/Regression by Conditional Adversarial Autoencoder》，時間線為2017年2月。 該文很有意思，是如何通過當前圖片生成你不同年齡時候的樣子。 假設給你一張人臉（沒有告訴你多少歲）和一堆網上爬取的人臉圖像 ...
Generative Adversarial Nets[EBGAN]
0. 背景 Junbo Zhao等人提出的“基於能量的GAN”網絡，其將判別器視為一個能量函數而不需要明顯的概率解釋，該函數可以是一個可訓練的損失函數。能量函數是將靠近真實數據流形的區域視為低能 ...
Generative Adversarial Nets[LSGAN]
0 背景 在這之前大家在訓練GAN的時候，使用的loss函數都是sigmoid_cross_entropy_loss函數，然而xudon mao等人發現當使用偽造樣本去更新生成器（且此時偽造樣本 ...
Generative Adversarial Nets[Vanilla]
引言中已經較為詳細的介紹了GAN的理論基礎和模型本身的原理。這里主要是研讀Goodfellow的第一篇GAN論文。 0. 對抗網絡 如引言中所述，對抗網絡其實就是一個零和游戲中的2人最小最大游 ...
Generative Adversarial Nets[content]
0. Introduction 基於納什平衡，零和游戲，最大最小策略等角度來作為GAN的引言 1. GAN GAN開山之作 圖1.1 GAN的判別器和生成器的結構圖及loss ...
Generative Adversarial Nets[Wasserstein GAN]
本文來自《Wasserstein GAN》，時間線為2017年1月，本文可以算得上是GAN發展的一個里程碑文獻了，其解決了以往GAN訓練困難，結果不穩定等問題。 1 引言 本文主要思考的是半監 ...
Generative Adversarial Nets[Improved GAN]
0.背景 Tim Salimans等人認為之前的GANs雖然可以生成很好的樣本，然而訓練GAN本質是找到一個基於連續的，高維參數空間上的非凸游戲上的納什平衡。然而不幸的是，尋找納什平衡是一個十分 ...