論文閱讀筆記一【StackGAN: Text to Photo-realistic Image Synthesis with Stacked Generative Adversarial Netwo】
先驗知識： GAN簡介 CGAN簡介 本文是研究文本生成圖片的問題，相比於之前的論文不能生成必要的細節和具體的對象，本文着重要解決的問題是提高圖片的分辨率同時爲圖片添加必要的細節。其實stackGAN的原理和做法很類似，可以看作是兩個CGAN串聯在一起。 如圖所示，上方是Stage-I GAN：它根據給定的文本描述繪製對象的原始形狀和基本顏色，並從隨機噪聲向量繪製背景佈局，從而產生低分辨率圖像。
相關文章
- 1. StackGAN（2017）: Text to Photo-realistic Image Synthesis with Stacked Generative Adversarial Networks
- 2. Generative Adversarial Text to Image Synthesis 論文解讀
- 3. StackGAN++《StackGAN++: Realistic Image Synthesis with Stacked Generative Adversarial Networks》探析
- 4. 《Generative Adversarial Text to Image Synthesis》閱讀理解
- 5. text to image（二）:《Generative Adversarial Text to Image Synthesis》
- 6. Generative Adversarial Text to Image Synthesis
- 7. StackGAN++: Realistic Image Synthesiswith Stacked Generative Adversarial Networks 論文解讀
- 8. DM-GAN: Dynamic Memory Generative Adversarial Networks for Text-to-Image Synthesis 論文解讀
- 9. text to image（九）:《Photographic Text-to-Image Synthesis with a Hierarchically-nested Adversarial Ne 》
- 10. 論文閱讀1《AttnGAN: Fine-Grained Text to Image Generation with Attentional Generative Adversarial Networ》
- 更多相關文章...
- • RSS 閱讀器 - RSS 教程
- • C# 文本文件的讀寫 - C#教程
- • Tomcat學習筆記（史上最全tomcat學習筆記）
- • JDK13 GA發佈：5大特性解讀
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. StackGAN（2017）: Text to Photo-realistic Image Synthesis with Stacked Generative Adversarial Networks
- 2. Generative Adversarial Text to Image Synthesis 論文解讀
- 3. StackGAN++《StackGAN++: Realistic Image Synthesis with Stacked Generative Adversarial Networks》探析
- 4. 《Generative Adversarial Text to Image Synthesis》閱讀理解
- 5. text to image（二）:《Generative Adversarial Text to Image Synthesis》
- 6. Generative Adversarial Text to Image Synthesis
- 7. StackGAN++: Realistic Image Synthesiswith Stacked Generative Adversarial Networks 論文解讀
- 8. DM-GAN: Dynamic Memory Generative Adversarial Networks for Text-to-Image Synthesis 論文解讀
- 9. text to image（九）:《Photographic Text-to-Image Synthesis with a Hierarchically-nested Adversarial Ne 》
- 10. 論文閱讀1《AttnGAN: Fine-Grained Text to Image Generation with Attentional Generative Adversarial Networ》