BEGAN

時間 2020-12-30

原文原文鏈接

《BEGAN: Boundary Equilibrium Generative Adversarial Networks》 github 背景在傳統的GAN中，雖然提供了一種新的方法來學習數據分佈，也取得了相比以前的方法不錯的效果，但是它仍存在以下的幾個問題：即便使用很多的訓練技巧，GAN仍然很難訓練模型的超參數的選擇對於模型最終的效果十分重要難以控制生成圖像的質量和多樣性難以平衡判別器

>>阅读原文<<

1. BEGAN解讀
2. Generative Adversarial Nets[BEGAN]
3. EBGAN, LSGAN, BEGAN
4. BEGAN知識小結
5. BEGAN論文閱讀
6. 深度學習【43】BEGAN
7. 基於Tensorflow的BEGAN實現
8. BEGAN 論文閱讀及代碼實現
9. BEGAN: Boundary Equilibrium Generative Adversarial Networks閱讀筆記
10. 在BEGAN中有關學習率（Learning Rate）的調整_筆記
更多相關文章...

相關標籤/搜索

began