GAN應用之風格遷移&超分辨重建，無監督深度學習新方法（4）

本文實現了像素級別的風格轉換，它的關鍵是提供了兩個域中有相同數據的成對訓練樣本，本質上，是一個CGAN。 cycle-gan/dual-gan則更勝一籌，不須要配對的數據集，能夠實現源域和目標域的相互轉換。 pairedcycle，將源域和目標域的相互轉換用到化妝和去妝，頗有趣的應用。 web 文學習了一個數據集到另外一個數據集的遷移，能夠用於遷移學習，如實現漫畫風格。 算法 文實現了動做的遷移。

>>阅读原文<<