会员服务
WGAN主要从损失函数的角度对GAN做了改进，损失函数改进之后的WGAN即使在全链接层上也能得到很好的表现结果。
S3R-Net: A Single-Stage Approach to Self-Supervised Shadow Removal
Arxiv
0+阅读 · 4月18日
Generative models struggle with kirigami metamaterials
Arxiv
0+阅读 · 2月29日
Generative Modeling for Tabular Data via Penalized Optimal Transport Network
Arxiv
0+阅读 · 2月16日
WGAN-AFL: Seed Generation Augmented Fuzzer with Wasserstein-GAN
Arxiv
0+阅读 · 1月30日
Real-time generative design of diverse, "truly" optimized structures with controllable structural complexities
Arxiv
0+阅读 · 1月20日
Real-time generative design of diverse, "truly" optimized structures with controllable structural complexities
Arxiv
0+阅读 · 1月17日
Adversarial Score Distillation: When score distillation meets GAN
Arxiv
0+阅读 · 2023年12月1日
Volatility and irregularity Capturing in stock price indices using time series Generative adversarial networks (TimeGAN)
Arxiv
0+阅读 · 2023年11月21日
Stroke-based Neural Painting and Stylization with Dynamically Predicted Painting Region
Arxiv
0+阅读 · 2023年10月10日
Stroke-based Neural Painting and Stylization with Dynamically Predicted Painting Region
Arxiv
0+阅读 · 2023年9月7日
Energy-guided Entropic Neural Optimal Transport
Arxiv
0+阅读 · 2023年6月12日
Energy-guided Entropic Neural Optimal Transport
Arxiv
0+阅读 · 2023年4月12日
Kantorovich Strikes Back! Wasserstein GANs are not Optimal Transport?
Arxiv
0+阅读 · 2023年1月9日
DVGAN: Stabilize Wasserstein GAN training for time-domain Gravitational Wave physics
Arxiv
0+阅读 · 2022年9月29日
Scene Aware Person Image Generation through Global Contextual Conditioning
Arxiv
0+阅读 · 2022年6月6日
参考链接
微信扫码咨询专知VIP会员
Top