Generative Adversarial Nets:GAN

時間 2020-12-23

標籤 deep learning 简体版

原文原文鏈接

摘要我們提出了一個通過對抗過程來估計生成模型的新框架，在該框架中，我們同時訓練了兩個模型：一個捕獲數據分佈的生成模型G和一個估計樣本來自訓練的概率的區分模型D數據而不是G。G的訓練過程是使D犯錯的可能性最大化。該框架對應於minimax兩人遊戲。在任意函數G和D的空間中，存在唯一的解決方案，其中G恢復訓練數據分佈，並且D各處都等於1/2。在G和D由多層感知器定義的情況下，整個系統可以通過反向傳播

>>阅读原文<<

1. Conditional Generative Adversarial Nets
2. Triangle Generative Adversarial Networks
3. Generative Adversarial Nets（譯）
4. paper：Conditional Generative Adversarial Nets
5. Generative Adversarial Nets[CycleGAN]
6. Graphical Generative Adversarial Networks
7. Generative Adversarial Nets_GAN_paperReading
8. Generative Adversarial Nets
9. cGAN:Conditional Generative Adversarial Nets
10. Generative Adversarial Nets[pix2pix]
更多相關文章...

相關標籤/搜索

adversarial

generative