0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看威廉希尔官方网站 视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

生成对抗网络GAN论文TOP 10,帮助你理解最先进威廉希尔官方网站 的基础

电子工程师 来源:lp 2019-03-20 15:16 次阅读

生成对抗网络 (GAN) 是深度学习中最有趣、最受欢迎的应用之一。本文列出了 10 篇关于 GAN 的论文,这些论文将为你提供一个很好的对 GAN 的介绍,帮助你理解最先进威廉希尔官方网站 的基础。

本文选择的10篇GAN论文包括:

DCGANs

Improved Techniques for Training GANs

Conditional GANs

Progressively Growing GANs

BigGAN

StyleGAN

CycleGAN

Pix2Pix

StackGAN

Generative Adversarial Networks

DCGANs — Radford et al.(2015)

我建议你以DCGAN这篇论文来开启你的GAN之旅。这篇论文展示了卷积层如何与GAN一起使用,并为此提供了一系列架构指南。这篇论文还讨论了GAN特征的可视化、潜在空间插值、利用判别器特征来训练分类器、评估结果等问题。所有这些问题都必然会出现在你的GAN研究中。

总之,DCGAN论文是一篇必读的GAN论文,因为它以一种非常清晰的方式定义架构,因此很容易从一些代码开始,并开始形成开发GAN的直觉。

DCGAN模型:具有上采样卷积层的生成器架构

论文:

Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks

Alec Radford, Luke Metz, Soumith Chintala

https://arxiv.org/abs/1511.06434

改进GAN训练的威廉希尔官方网站 —— Salimans et al.(2016)

这篇论文(作者包括Ian Goodfellow)根据上述DCGAN论文中列出的架构指南,提供了一系列建议。这篇论文将帮助你了解GAN不稳定性的最佳假设。此外,本文还提供了许多用于稳定DCGAN训练的其他机器,包括特征匹配、minibatch识别、历史平均、单边标签平滑和虚拟批标准化。使用这些技巧来构建一个简单的DCGAN实现是一个很好的练习,有助于更深入地了解GAN。

论文:

Improved Techniques for Training GANs

Tim Salimans, Ian Goodfellow, Wojciech Zaremba, Vicki Cheung, Alec Radford, Xi Chen

https://arxiv.org/abs/1606.03498

Conditional GANs — Mirza and Osindero(2014)

这是一篇很好的论文,读起来很顺畅。条件GAN(Conditional GAN)是最先进的GAN之一。论文展示了如何整合数据的类标签,从而使GAN训练更加稳定。利用先验信息对GAN进行调节这样的概念,在此后的GAN研究中是一个反复出现的主题,对于侧重于image-to-image或text-to-image的论文尤其重要。

Conditional GAN架构:除了随机噪声向量z之外,类标签y被连接在一起作为网络的输入

论文:

Conditional Generative Adversarial Nets

Mehdi Mirza, Simon Osindero

https://arxiv.org/abs/1411.1784

Progressively Growing GANs— Karras et al.(2017)

Progressively Growing GAN (PG-GAN)有着惊人的结果,以及对GAN问题的创造性方法,因此也是一篇必读论文。

这篇GAN论文来自NVIDIA Research,提出以一种渐进增大(progressive growing)的方式训练GAN,通过使用逐渐增大的GAN网络(称为PG-GAN)和精心处理的CelebA-HQ数据集,实现了效果令人惊叹的生成图像。作者表示,这种方式不仅稳定了训练,GAN生成的图像也是迄今为止质量最好的。

它的关键想法是渐进地增大生成器和鉴别器:从低分辨率开始,随着训练的进展,添加新的层对越来越精细的细节进行建模。“Progressive Growing”指的是先训练4x4的网络,然后训练8x8,不断增大,最终达到1024x1024。这既加快了训练速度,又大大稳定了训练速度,并且生成的图像质量非常高。

Progressively Growing GAN的多尺度架构,模型从4×4 逐步增大到1024×1024

论文:

Progressive Growing of GANs for Improved Quality, Stability, and Variation

Tero Karras, Timo Aila, Samuli Laine, Jaakko Lehtinen

https://arxiv.org/abs/1710.10196

BigGAN — Brock et al.(2019)

BigGAN模型是基于ImageNet生成图像质量最高的模型之一。该模型很难在本地机器上实现,而且BigGAN有许多组件,如Self-Attention、Spectral Normalization和带有投影鉴别器的cGAN,这些组件在各自的论文中都有更好的解释。不过,这篇论文对构成当前最先进威廉希尔官方网站 水平的基础论文的思想提供了很好的概述,因此非常值得阅读。

BigGAN生成的图像

论文:

Large Scale GAN Training for High Fidelity Natural Image Synthesis

Andrew Brock, Jeff Donahue, Karen Simonyan

https://arxiv.org/abs/1809.11096

StyleGAN — Karras et al.(2019)

StyleGAN模型可以说是最先进的,特别是利用了潜在空间控制。该模型借鉴了神经风格迁移中一种称为自适应实例标准化(AdaIN)的机制来控制潜在空间向量z。映射网络和AdaIN条件在整个生成器模型中的分布的结合使得很难自己实现一个StyleGAN,但它仍是一篇很好的论文,包含了许多有趣的想法。

StyleGAN架构,允许潜在空间控制

论文:

A Style-Based Generator Architecture for Generative Adversarial Networks

Tero Karras, Samuli Laine, Timo Aila

https://arxiv.org/abs/1812.04948

CycleGAN — Zhu et al.(2017)

CycleGAN的论文不同于前面列举的6篇论文,因为它讨论的是image-to-image的转换问题,而不是随机向量的图像合成问题。CycleGAN更具体地处理了没有成对训练样本的image-to-image转换的情况。然而,由于Cycle-Consistency loss公式的优雅性,以及如何稳定GAN训练的启发性,这是一篇很好的论文。CycleGAN有很多很酷的应用,比如超分辨率,风格转换,例如将马的图像变成斑马。

Cycle Consistency Loss背后的主要想法,一个句子从法语翻译成英语,再翻译回法语,应该跟原来的是同一个句子

论文:

Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks

Jun-Yan Zhu, Taesung Park, Phillip Isola, Alexei A. Efros

https://arxiv.org/abs/1703.10593

Pix2Pix — Isola et al.(2016)

Pix2Pix是另一种图像到图像转换的GAN模型。该框架使用成对的训练样本,并在GAN模型中使用多种不同的配置。读这篇论文时,我觉得最有趣部分是关于PatchGAN的讨论。PatchGAN通过观察图像的70×70的区域来判断它们是真的还是假的,而不是查看整个图像。该模型还展示了一个有趣的U-Net风格的生成器架构,以及在生成器模型中使用ResNet风格的skip connections。Pix2Pix有很多很酷的应用,比如将草图转换成逼真的照片。

使用成对的训练样本进行Image-to-Image转换

论文:

Image-to-Image Translation with Conditional Adversarial Networks

Phillip Isola, Jun-Yan Zhu, Tinghui Zhou, Alexei A. Efros

https://arxiv.org/abs/1611.07004

StackGAN — Zhang et al.(2017)

StackGAN的论文与本列表中的前几篇论文相比非常不同。它与Conditional GAN和Progressively Growing GANs最为相似。StackGAN模型的工作原理与Progressively Growing GANs相似,因为它可以在多个尺度上工作。StackGAN首先输出分辨率为64×64的图像,然后将其作为先验信息生成一个256×256分辨率的图像。

StackGAN是从自然语言文本生成图像。这是通过改变文本嵌入来实现的,以便捕获视觉特征。这是一篇非常有趣的文章,如果StyleGAN中显示的潜在空间控制与StackGAN中定义的自然语言接口相结合,想必会非常令人惊讶。

基于文本嵌入的StackGAN多尺度架构背后的想法

论文:

StackGAN: Text to Photo-realistic Image Synthesis with Stacked Generative Adversarial Networks

Han Zhang, Tao Xu, Hongsheng Li, Shaoting Zhang, Xiaogang Wang, Xiaolei Huang, Dimitris Metaxas

https://arxiv.org/abs/1612.03242

Generative Adversarial Networks — Goodfellow et al.(2014)

Ian Goodfellow的原始GAN论文对任何研究GAN的人来说都是必读的。这篇论文定义了GAN框架,并讨论了“非饱和”损失函数。论文还给出了最优判别器的推导,这是近年来GAN论文中经常出现的一个证明。论文还在MNIST、TFD和CIFAR-10图像数据集上对GAN的有效性进行了实验验证。

论文:

Generative Adversarial Networks

Ian J. Goodfellow, Jean Pouget-Abadie, Mehdi Mirza, Bing Xu, David Warde-Farley, Sherjil Ozair, Aaron Courville, Yoshua Bengio

https://arxiv.org/abs/1406.2661

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • GaN
    GaN
    +关注

    关注

    19

    文章

    1935

    浏览量

    73328
  • 生成器
    +关注

    关注

    7

    文章

    315

    浏览量

    21005
  • 数据集
    +关注

    关注

    4

    文章

    1208

    浏览量

    24693

原文标题:必读!生成对抗网络GAN论文TOP 10

文章出处:【微信号:aicapital,微信公众号:全球人工智能】欢迎添加关注!文章转载请注明出处。

收藏 人收藏

    评论

    相关推荐

    直流变频焊接控制器:先进威廉希尔官方网站 在焊接领域的革新应用探索

    在当今的工业生产领域中,新威廉希尔官方网站 的发展与应用始终是推动产业升级、提升效率的关键驱动力。其中,直流变频焊接控制器作为一种前沿威廉希尔官方网站 ,在焊接工艺中的革新性应用引起了广泛关注。本文将深入探讨这一先进威廉希尔官方网站
    的头像 发表于 12-06 09:07 83次阅读

    库克称iPhone16是最先进的iPhone

    最新款iPhone、Watch和AirPods,最大的亮点估计在人工智能。所以库克称iPhone16是最先进的iPhone。 库克表示。iPhone 16 系列是我们打造的最先进的 iPhone。得益于
    的头像 发表于 09-10 11:47 815次阅读

    NVIDIA Nemotron-4 340B模型帮助开发者生成合成训练数据

    Nemotron-4 340B 是针对 NVIDIA NeMo 和 NVIDIA TensorRT-LLM 优化的模型系列,该系列包含最先进的指导和奖励模型,以及一个用于生成式 AI 训练的数据集。
    的头像 发表于 09-06 14:59 303次阅读
    NVIDIA Nemotron-4 340B模型<b class='flag-5'>帮助</b>开发者<b class='flag-5'>生成</b>合成训练数据

    忆联以完善的产品矩阵与先进威廉希尔官方网站 为AI PC助力

    未来10年,AI产业将迎来快速发展期,尤其对于生成式AI(Generative AI)来说,其威廉希尔官方网站 发展和应用将加速向端、边、云、网、智(即终端、边缘计算、云计算、网络和智能应用)等各个
    的头像 发表于 09-02 11:39 448次阅读
    忆联以完善的产品矩阵与<b class='flag-5'>先进威廉希尔官方网站
</b>为AI PC助力

    首届人工智能先进威廉希尔官方网站 成果供需对接大会硬核又新潮!

    在各类人工智能威廉希尔官方网站 及应用不断融入人们日常生活的当下,大会聚焦先进威廉希尔官方网站 、终端消费、william hill官网 以及绵阳本地创新产品,将一批“人工智能+”创新应用最新成果、应用场景搬到“会场”,让你沉浸式体验AI世界,感受未来已来。
    的头像 发表于 07-25 17:04 471次阅读
    首届人工智能<b class='flag-5'>先进威廉希尔官方网站
</b>成果供需对接大会硬核又新潮!

    生成对抗网络(GANs)的原理与应用案例

    生成对抗网络(Generative Adversarial Networks,GANs)是一种由蒙特利尔大学的Ian Goodfellow等人在2014年提出的深度学习算法。GANs通过构建两个
    的头像 发表于 07-09 11:34 1011次阅读

    格芯收购 Tagore Technology 的 GaN 威廉希尔官方网站

    来源:Silicon Semiconductor 此次威廉希尔官方网站 收购扩展了 GF(格芯) 的电源管理解决方案和差异化路线图。 GlobalFoundries (格芯)收购了 Tagore
    的头像 发表于 07-08 12:33 466次阅读

    神经网络架构有哪些

    、语音识别、自然语言处理等多个领域。本文将对几种主要的神经网络架构进行详细介绍,包括前馈神经网络、循环神经网络、卷积神经网络生成对抗
    的头像 发表于 07-01 14:16 695次阅读

    瑞萨电子完成对Transphorm的收购,加速GaN威廉希尔官方网站 布局

    在全球半导体威廉希尔官方网站 竞争日益激烈的今天,瑞萨电子以其前瞻性的战略眼光和果断的行动,成功完成了对氮化镓(GaN)器件商Transphorm的收购,收购价高达3.39亿美元。这一交易的完成,不仅标志着瑞萨电子在GaN
    的头像 发表于 06-25 10:07 553次阅读

    TÜV莱茵举办光储充先进威廉希尔官方网站 研讨会,携手行业伙伴共创绿色未来

    深圳2024年6月3日 /美通社/ -- 5月30日-31日,国际独立第三方检测、检验和认证机构德国莱茵TÜV大中华区(以下简称"TÜV莱茵")在深圳举办光储充先进威廉希尔官方网站 研讨会。深圳市市场监督管理
    的头像 发表于 06-04 15:11 349次阅读
    TÜV莱茵举办光储充<b class='flag-5'>先进威廉希尔官方网站
</b>研讨会,携手行业伙伴共创绿色未来

    思科完成对Isovalent的收购

    全球领先的网络威廉希尔官方网站 公司思科(Cisco)近日宣布,已完成对开源云原生网络与安全领域的佼佼者Isovalent的收购。
    的头像 发表于 05-06 10:41 633次阅读

    深度学习生成对抗网络GAN)全解析

    GANs真正的能力来源于它们遵循的对抗训练模式。生成器的权重是基于判别器的损失所学习到的。因此,生成器被它生成的图像所推动着进行训练,很难知道生成
    发表于 03-29 14:42 4528次阅读
    深度学习<b class='flag-5'>生成对抗</b><b class='flag-5'>网络</b>(<b class='flag-5'>GAN</b>)全解析

    生成式人工智能和感知式人工智能的区别

    生成新的内容和信息的人工智能系统。这些系统能够利用已有的数据和知识来生成全新的内容,如图片、音乐、文本等。生成式人工智能通常基于深度学习威廉希尔官方网站 ,如生成
    的头像 发表于 02-19 16:43 1737次阅读

    AI克隆威廉希尔官方网站 可用于创建虚拟人物形象!它的威廉希尔官方网站 原理和发展趋势

    和行为特点等。   AI克隆威廉希尔官方网站 的原理及应用   AI克隆威廉希尔官方网站 的原理主要是通过人工智能威廉希尔官方网站 来模拟和复制真实人类的行为、思维和表情等。具体来说,AI克隆威廉希尔官方网站 通常涉及到深度学习和
    的头像 发表于 01-08 08:28 2750次阅读
    AI克隆<b class='flag-5'>威廉希尔官方网站
</b>可用于创建虚拟人物形象!它的<b class='flag-5'>威廉希尔官方网站
</b>原理和发展趋势

    基于国产AI编译器ICRAFT部署YOLOv5边缘端计算的实战案例

    人工智能领域中各种算法模型的不断研究和改进。随着深度学习的兴起,包括卷积神经网络(CNN)、循环神经网络(RNN)、生成对抗网络GAN)、
    的头像 发表于 01-03 10:17 3116次阅读
    基于国产AI编译器ICRAFT部署YOLOv5边缘端计算的实战案例