成为VIP会员查看完整内容
VIP会员码认证
首页
主题
发现
会员
服务
注册
·
登录
生成式对抗网络
关注
531
生成对抗网络 (Generative Adversarial Network, GAN) 是一类神经网络,通过轮流训练判别器 (Discriminator) 和生成器 (Generator),令其相互对抗,来从复杂概率分布中采样,例如生成图片、文字、语音等。GAN 最初由 Ian Goodfellow 提出,原论文见 Generative Adversarial Networks
综合
百科
荟萃
链路
VIP
热门
动态
论文
精华
Synthesizing Forestry Images Conditioned on Plant Phenotype Using a Generative Adversarial Network
Arxiv
0+阅读 · 1月16日
Investigating Parameter-Efficiency of Hybrid QuGANs Based on Geometric Properties of Generated Sea Route Graphs
Arxiv
0+阅读 · 1月15日
Adversarial Attack Against Images Classification based on Generative Adversarial Networks
Arxiv
0+阅读 · 2024年12月24日
Channel-Aware Domain-Adaptive Generative Adversarial Network for Robust Speech Recognition
Arxiv
0+阅读 · 1月8日
Generative Adversarial Network on Motion-Blur Image Restoration
Arxiv
0+阅读 · 2024年12月27日
Physically Constrained Generative Adversarial Networks for Improving Precipitation Fields from Earth System Models
Arxiv
0+阅读 · 1月2日
Unrolled Creative Adversarial Network For Generating Novel Musical Pieces
Arxiv
0+阅读 · 2024年12月31日
LLM-GAN: Construct Generative Adversarial Network Through Large Language Models For Explainable Fake News Detection
Arxiv
0+阅读 · 2024年12月24日
Protégé: Learn and Generate Basic Makeup Styles with Generative Adversarial Networks (GANs)
Arxiv
0+阅读 · 2024年12月29日
Generative Adversarial Networks for Image Super-Resolution: A Survey
Arxiv
1+阅读 · 2024年12月19日
Producing Histopathology Phantom Images using Generative Adversarial Networks to improve Tumor Detection
Arxiv
1+阅读 · 2024年12月17日
Improving generative adversarial network inversion via fine-tuning GAN encoders
Arxiv
1+阅读 · 2024年12月12日
DuoLift-GAN:Reconstructing CT from Single-view and Biplanar X-Rays with Generative Adversarial Networks
Arxiv
1+阅读 · 2024年12月11日
Prob-cGAN: A Probabilistic Conditional Generative Adversarial Network for LSD1 Inhibitor Activity Prediction
Arxiv
0+阅读 · 2024年11月23日
Risk Management with Feature-Enriched Generative Adversarial Networks (FE-GAN)
Arxiv
0+阅读 · 2024年11月23日
参考链接
父主题
专知—深度学习:算法到实战
深度学习
提示
微信扫码
咨询专知VIP会员与技术项目合作
(加微信请备注: "专知")
微信扫码咨询专知VIP会员
Top