Слияние кода завершено, страница обновится автоматически
Отличные работы по генеративным противостоящим сетям. Большинство работ связано с переводом изображений.
Пожалуйста, помогите расширить этот список, связавшись со мной по адресу [zhang163220@gmail.com] или отправив пулл-запрос.## Содержание
[Генеративные противостоящие сети]
[Неаблютивный кросс-доменный генератор образов]
[Перевод изображений в изображения с использованием условных сетей соперника] [Обучение распознаванию междоменных отношений с помощью генеративных противостоящих сетей]
[Несоответствующий перевод изображений в изображения с использованием циклически согласованных сетей соперника]
[CoGAN: Объединённые генеративные противостоящие сети]
[Несоответствующий перевод изображений в изображения с использованием генеративных противостоящих сетей]
[DualGAN: Несоответствующее двойное обучение для перевода изображений в изображения]
[Высокоразрешительное синтезирование изображений и управление семантикой с использованием условных генеративных противостоящих сетей]
[XGAN: Несоответствующий перевод изображений в изображения для многих-ко-многим отображений]
[UNIT: Несоответствующие сети для перевода изображений в изображения]
[Множественный нерелевантный перевод изображений в изображения]
[Множественный нерелевантный перевод изображений в изображения]
[Видео-видео синтез]
[Art2Real: Развертывание реальности произведений искусства через семантически осмысленный перевод изображений]
[Многоканальный механизм выбора внимания GAN с последовательной семантической навигацией для кросс-вью переводов изображений] [Локально класс-специфическое и глобальное изображение-уровневое генеративное противостояние сеть для семантического руководства сценой] [StarGAN v2: Диверсифицированный синтез изображений для нескольких доменов]
[Структурное аналогонство из одной пары изображений]
[Высокоразрешающий перевод дня без меток домена]
[Переосмысление действительно неотслеживаемого перевода изображений без меток]
[Диверсификация генерации изображений через самоподготовленные GAN]
[Сравнительное обучение для несоответствующего перевода изображений]
[Автоэнкодинг за пиксели с использованием обученной метрики сходства]
[Связанные Генеративные Противостоящие Сети] [Обратимые условные GAN для редактирования изображений] [Обучение остаточным изображениям для манипулирования атрибутами лица]
[Нейронное редактирование фотографий с использованием встроенных противостоящих сетей]
[Нейронное редактирование лиц с расчленением внутреннего изображения]
[GeneGAN: Обучение трансформации объектов и подпространства атрибутов из неприсоединённых данных]
[Положение за рамками поворота лица: глобальное и локальное восприятие GAN для фотorealистического и сохранения идентичности синтеза передней точки зрения]
[StarGAN: Унифицированные генеративные противостоящие сети для многопланового перевода изображений]
[Универсальное редактирование атрибутов лица: Измените только то, что хотите] [ELEGANT: Обмен закодированными данными с помощью GAN для передачи нескольких атрибутов лица]
[Разреженные группировки многозадачных генеративных противостоящих сетей для манипулирования атрибутами лица]
[GANimation: Анатомически осведомленное редактирование лица из одного изображения]
[Геометрически управляемое противостояние для синтеза экспрессии лица]
[STGAN: Объединенная селективная сеть передачи для произвольного редактирования атрибутов изображений]
[3D управляемое детализированное манипулирование лицом]
[SC-FEGAN: Генеративная соперничающая сеть редактирования лица с эскиза пользователя и цвета]
[PA-GAN: Прогрессивная генеративная соперничающая сеть с вниманием для редактирования атрибутов лица]
[SSCGAN: Редактирование атрибутов лица через связи стилей]
[CAFE-GAN: Произвольное редактирование атрибутов лица с использованием дополнительного внимания]
[Безусловное обучение представлений с помощью глубоких конволюционных генеративных соперничающих сетей]
[Глубокие генеративные модели изображений с использованием пирамиды Лапласа соперничающих сетей]
[Генеративная соперничающая сеть текст-изображение]
[Улучшенные методы обучения генеративных соперничающих сетей]
[Plug & Play Генеративные сети: Условное итерационное генерирование изображений в латентном пространстве] [StackGAN: Генерация фотографически реалистичных изображений с помощью накопленных генеративных противостоящих сетей] [Улучшенное обучение GAN на основе Wasserstein]
[Граница равновесия в генеративных противостоящих сетях]
[Постепенное увеличение GAN для улучшения качества, стабильности и вариативности]
[Самообучаемые генеративные противостоящие сети с механизмом внимания]
[Обучение GAN на больших масштабах для высокой детализированности при синтезе естественных изображений]
[Архитектура генератора на основе стилей для генеративных противостоящих сетей]
[SinGAN: Обучение генеративной модели из одного естественного изображения]
[Реальное или нет, вот вопрос]
[Обучение конечных одиночных образцов генераторов без использования GAN]
[Противостоящие латентные автоэнкодеры]
[DeepWarp: Фотографически реалистичная переработка изображений для манипулирования взглядом]
[Фото-реалистичное монослепное направление взгляда с использованием генеративных противостоящих сетей]
[GazeCorrection: Самоуправляемое манипулирование глазами в реальных условиях с помощью самообучающихся генеративных противостоящих сетей]
[MGGR: Направление взгляда с использованием многомодальной навигации с обучением от грубого к детальному]
[Двойная модель заполнения пробелов для беснаблюдательной корректировки взгляда и анимации в реальных условиях] [AutoGAN: Поиск архитектур нейронных сетей для генеративных противостоящих сетей]
[Анимация произвольных объектов через глубинное передачу движения]
[Первая порядка модель движения для анимации изображений]
[Энергетически основанные генеративные противостоящие сети]
[Улучшенные методы обучения генеративных противостоящих сетей]
[Регуляrizованные режимы генеративных противостоящих сетей]
[Улучшение генеративных противостоящих сетей с помощью шумоподавления при совпадении характеристик]
[Сборка образцов из генеративных сетей] [Как обучать GAN] [К направлению принципиальных методов обучения генеративных соперничающих сетей]
[Раскрученные генеративные соперничающие сети]
[Методы наименьших квадратов для генеративных соперничающих сетей]
[GAN Вассерштейна]
[Улучшенное обучение GAN Вассерштейна]
[К направлению принципиальных методов обучения генеративных соперничающих сетей]
[Обобщение и равновесие в генеративных соперничающих сетях]
[GANs, обучаемые правилом двух временных масштабов, сходятся к локальному Нэшу равновесию]
[Спектральная нормализация для генеративных соперничающих сетей]
[Какие методы обучения для GAN действительно сходятся] [Автоматическое заполнение изображений с помощью генеративных соперничающих сетей]
[Семантическое автоматическое заполнение изображений с использованием восприятельных и контекстных потерь]
[Контекстные энкодеры: обучение признаков путём заполнения]
[Полунаблюдательное обучение с использованием контекстно-условленных генеративных противостоящих сетей] [Генеративное заполнение лица]
[Общие и локально согласованные методы заполнения изображений]
[Высокоразрешительное заполнение изображений с помощью многошкальной нейронной патчевой синтезации]
[Заполнение глаз с использованием примеров генеративных противостоящих сетей] [Генеративное заполнение изображений с использованием контекстного внимания]
[Свободная форма заполнения изображений с использованием включённых свёрток]
[EdgeConnect: Генеративное заполнение изображений с использованием противостоящего обучения границ]
[Слойная последовательная модель для генерации сцен с использованием GANS]
[Методы противостояния для полунаблюдательного обучения текстовой классификации]
[Статья][Примечание](Статья Иана Гудфеллоу)
[Улучшенные методы обучения GAN]
[Статья][Код](Статья Goodfellow'a) [Несupervised и полунесupervised обучение с использованием категориальных генеративных соперничающих сетей]
[Статья](ICLR)
[Полунесupervised QA с помощью генеративных доменной адаптивных сетей]
[Хорошее полунесupervised обучение, которое требует плохого GAN]
[AdaGAN: Усиление генеративных моделей]
[GP-GAN: В сторону реалистичной высокоразрешающейся композиции изображений]
[Совместное дискриминативное и генеративное обучение для перезаимствования людей]
[Генерация нормализованного изображения по позе для перезаимствования людей]
[Изображение сверхразрешение через глубокое обучение]
[Фото-реалистическое одностраничное сверхразрешение с использованием генеративной сети соперников]- [Статья][Код]（Используется глубокую остаточную сетевую архитектуру）
[EnhanceGAN]
[ESRGAN: Усовершенствованные генеративные сети соперников для сверхразрешения]
[Робастные LSTM-автомашины для децентрализации лица в реальных условиях]
[Противоестественные глубокие структурные сети для сегментации молочной массы]
[Семантическое сегментирование с использованием противоестественных сетей]
[Перцептивные генеративные противоестественные сети для обнаружения малых объектов]
[A-Fast-RCNN: Генерация сложных положительных образцов через противника для обнаружения объектов]
[Сеть агрегированного стиля для обнаружения ключевых точек лица] [Условные генеративные противоестественные сети]
[InfoGAN: Интерпретируемое обучение представлений за счет максимизации информации в генеративных противоестественных сетях]
[Условное синтезирование изображений с помощью ассистирующей классификаторной сети GAN]
[Пикселевый уровень доменного переноса]
[Обратимые условные GAN для редактирования изображений]
[Plug & Play Генеративные сети: Условное итерационное генерирование изображений в латентном пространстве]
[StackGAN: Генерация фотографических изображений с использованием составленных генеративных противостоящих сетей]
[Глубинное многомасштабное прогнозирование видео за рамками среднеквадратичной ошибки]
[MoCoGAN: Разложение движения и содержания для генерации видео]
[ARGAN: Внимательная рекуррентная генеративная противостоящая сеть для обнаружения и удаления теней]
[BeautyGAN: Переадресация макияжа лица на уровне экземпляра с помощью глубокой генеративной противостоящей сети]
[Связывание генеративных противостоящих сетей и методов актор-критик]
[C-RNN-GAN: Непрерывные рекуррентные нейронные сети с противостоящим обучением]
[SeqGAN: Последовательность генеративных противостоящих сетей с использованием градиента политики]
[Несоответствующее выявление аномалий с использованием генеративных противостоящих сетей для руководства открытием маркеров]
[Обучение вероятностного скрытого пространства объектов через 3D генеративное противостояние моделирование]
[Transformation-Grounded Image Generation Network для синтеза новых 3D видов] [MidiNet: Генеративная сеть с конволюционной архитектурой для создания музыкальных произведений в символьном домене с использованием одномерных и двумерных условий]
[Улучшенные дискретные генеративные сети противостояния максимальной правдоподобной вероятностью]
[Граница-поисковые генеративные сети противостояния]
[GAN для последовательностей дискретных элементов с помощью распределения Gumbel-softmax]
[Generative OpenMax для многоклассовой открытой классификации]
[Контролируемое инвариантное обучение через противостояние признакового обучения]
[Несоответствующие образцы, созданные GAN, повышают базовый уровень персонификации в ре-идентификации людей in vitro] [Обучение на симулированных и ненадзорных изображениях через противостояние обучения]
[Улучшение производительности КНН в классификации печеночных новообразований за счет использования синтетических медицинских изображений, созданных с помощью GAN]
[cleverhans]
[reset-cppn-gan-tensorflow]
[hypergan]
[1] http://www.iangoodfellow.com/slides/2bk_2016-12-04-NIPS.pdf (Слайды НИПС Гудфеллоу)[китайская версия][детали]
[2] [PDF](Слайды НИПС Лекуна)
[4] [Математическое введение в генеративные противостоящие сети (GAN)]
Вы можете оставить комментарий после Вход в систему
Неприемлемый контент может быть отображен здесь и не будет показан на странице. Вы можете проверить и изменить его с помощью соответствующей функции редактирования.
Если вы подтверждаете, что содержание не содержит непристойной лексики/перенаправления на рекламу/насилия/вульгарной порнографии/нарушений/пиратства/ложного/незначительного или незаконного контента, связанного с национальными законами и предписаниями, вы можете нажать «Отправить» для подачи апелляции, и мы обработаем ее как можно скорее.
Комментарии ( 0 )