論文筆記之：Generative Adversarial Nets
Generative Adversarial Nets NIPS 2014 摘要：本文通過對抗過程，提出了一種新的框架來預測產生式模型，我們同時訓練兩個模型：一個產生式模型 G，該模型可以抓住數據分布；還有一個判別式模型 D 可以預測來自訓練樣本 而不是 G 的樣本的概率 ...
原文：【論文閱讀筆記】《Conditional Generative Adversarial Nets》
論文： Conditional Generative Adversarial Nets 年份： 年 引言 原始的GAN過於自由，訓練會很容易失去方向，導致不穩定且效果差。比如說GAN生成MNIST數字的過程，雖然可以生成數字，但生成的結果是隨機的 因為是根據輸入的隨機噪聲生成的圖片 ，沒有辦法控制模型生成的具體數字。 CGAN就是在原來的GAN模型中加入一些先驗條件，使得GAN變得更加可控制。具 ...
2020-08-11 17:05 0 513 推薦指數：
相關推薦
論文筆記之：SeqGAN: Sequence generative adversarial nets with policy gradient
SeqGAN: Sequence generative adversarial nets with policy gradient AAAI-2017 Paper: https://arxiv.org/abs/1609.05473 Offical Tensorflow Code ...
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 ...
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人最小最大游戲，主要就是為了處理下面的函數\(V(G,D)\): 在實現過程中，如果將D和G都寫入同一個循環 ...
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 2. Conditional GAN 圖2.1 CGAN的目標函數 圖2.2 CGAN ...