会员服务
深度学习 · 生成对抗网络 · Lior Wolf · 特拉维夫大学 ·
2020 年 1 月 16 日
【论文】结构GANs，Structured GANs，
专知会员服务
专知会员服务
专知，提供专业可信的知识分发服务，让认知协作更快更好！

题目： Structured GANs

摘要： 我们提出了生成性对抗网络（GANs），其中生成图像的对称性受到控制。这是通过发电机网络的结构获得的，而训练过程和损失保持不变。将对称GANs应用于空间图像合成，生成具有不同对称性的新人脸。我们还提出了一种基于新的一次微调概念的非监督人脸旋转能力。

作者简介： Lior Wolf,特拉维夫大学计算机科学学院的教员，也是Facebook人工智能研究中心的研究科学家。个人主页：http://www.cs.tau.ac.il/~wolf/

成为VIP会员查看完整内容
https://arxiv.org/pdf/2001.05216.pdf
14

相关内容

机器学习的一个分支，它基于试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的一系列算法。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
最新《生成式对抗网络》简介，25页ppt
最新《生成式对抗网络》简介，25页ppt
专知会员服务
173+阅读 · 2020年6月28日
【剑桥大学博士论文】深层神经网络结构的复兴，147页pdf，The resurgence of structure in deep neural networks
【剑桥大学博士论文】深层神经网络结构的复兴，147页pdf，The resurgence of structure in deep neural networks
专知会员服务
19+阅读 · 2020年5月14日
【CVPR2020-哈工大-京东】自监督结构建模的目标识别，Self-supervised Structure Modeling
【CVPR2020-哈工大-京东】自监督结构建模的目标识别，Self-supervised Structure Modeling
专知会员服务
42+阅读 · 2020年4月1日
【CVPR2020-斯坦福】从RGB-D扫描对抗纹理优化，Adversarial Texture Optimization
【CVPR2020-斯坦福】从RGB-D扫描对抗纹理优化，Adversarial Texture Optimization
专知会员服务
16+阅读 · 2020年3月21日
【WWW2020-北邮】结构深度聚类网络，Structural Deep Clustering Network
【WWW2020-北邮】结构深度聚类网络，Structural Deep Clustering Network
专知会员服务
92+阅读 · 2020年2月14日
【推荐论文】多通道注意力选择GAN的图像到图像转换，Multi-Channel Attention Selection GANs for Guided Image-to-Image Translation
【推荐论文】多通道注意力选择GAN的图像到图像转换，Multi-Channel Attention Selection GANs for Guided Image-to-Image Translation
专知会员服务
29+阅读 · 2020年2月6日
【AAAI2020】知识图谱的生成式对抗零样本关系学习，Generative Adversarial Zero-Shot Relational Learning for Knowledge Graphs
【AAAI2020】知识图谱的生成式对抗零样本关系学习，Generative Adversarial Zero-Shot Relational Learning for Knowledge Graphs
专知会员服务
63+阅读 · 2020年1月11日
必读的10篇 CVPR 2019【生成对抗网络】相关论文和代码
必读的10篇 CVPR 2019【生成对抗网络】相关论文和代码
专知会员服务
32+阅读 · 2020年1月10日
【WSDN 2020 论文】一种结构图表示学习框架（A Structural Graph Representation Learning Framework）
【WSDN 2020 论文】一种结构图表示学习框架（A Structural Graph Representation Learning Framework）
专知会员服务
73+阅读 · 2019年11月20日
【ICCV 2019 Tutorial】Holistic 3D Reconstruction: Learning to Reconstruct Holistic 3D Structures from Sensorial Data（整体3D重建：学习从感官数据重建整体3D结构），宾夕法尼亚州立大学 Zihan Zhou，西蒙弗雷泽大学计算机科学系 Yasutaka Furukawa，UCB 马毅
【ICCV 2019 Tutorial】Holistic 3D Reconstruction: Learning to Reconstruct Holistic 3D Structures from Sensorial Data（整体3D重建：学习从感官数据重建整体3D结构），宾夕法尼亚州立大学 Zihan Zhou，西蒙弗雷泽大学计算机科学系 Yasutaka Furukawa，UCB 马毅
专知会员服务
28+阅读 · 2019年10月31日
【WWW2020】结构深度聚类网络， Structural Deep Clustering Network，北京邮电大学
【WWW2020】结构深度聚类网络， Structural Deep Clustering Network，北京邮电大学
专知
31+阅读 · 2020年2月19日
【论文笔记】Graph U-Nets
【论文笔记】Graph U-Nets
专知
80+阅读 · 2019年11月25日
生成对抗网络GANs学习路线
生成对抗网络GANs学习路线
专知
36+阅读 · 2019年6月10日
关于GANs在医学图像领域应用的总结
关于GANs在医学图像领域应用的总结
人工智能前沿讲习班
31+阅读 · 2019年6月4日
带你读论文 | 生成对抗网络GAN论文TOP 10
带你读论文 | 生成对抗网络GAN论文TOP 10
微软研究院AI头条
24+阅读 · 2019年4月11日
论文浅尝 | 基于知识库的自然语言理解 01#
论文浅尝 | 基于知识库的自然语言理解 01#
开放知识图谱
15+阅读 · 2019年2月22日
在对抗中学习网络结构——87页PPT带你学习Graph中的GAN
在对抗中学习网络结构——87页PPT带你学习Graph中的GAN
专知
67+阅读 · 2018年10月2日
【深度】Ian Goodfellow等提出自注意力GAN，ImageNet图像合成获最优结果！
【深度】Ian Goodfellow等提出自注意力GAN，ImageNet图像合成获最优结果！
GAN生成式对抗网络
4+阅读 · 2018年5月27日
Ian Goodfellow等提出自注意力GAN，ImageNet图像合成获最优结果！
Ian Goodfellow等提出自注意力GAN，ImageNet图像合成获最优结果！
新智元
11+阅读 · 2018年5月24日
【生成对抗性网络】十个生成模型(GANs)的最佳案例和原理 | 代码+论文
【生成对抗性网络】十个生成模型(GANs)的最佳案例和原理 | 代码+论文
产业智能官
7+阅读 · 2017年8月17日
Heterogeneous Graph Transformer
Heterogeneous Graph Transformer
Arxiv
27+阅读 · 2020年3月3日
Co-Generation with GANs using AIS based HMC
Arxiv
3+阅读 · 2019年10月31日
3D Point Cloud Generative Adversarial Network Based on Tree Structured Graph Convolutions
3D Point Cloud Generative Adversarial Network Based on Tree Structured Graph Convolutions
Arxiv
5+阅读 · 2019年5月16日
Learning Discrete Structures for Graph Neural Networks
Arxiv
17+阅读 · 2019年3月28日
Learning to Predict the Cosmological Structure Formation
Arxiv
3+阅读 · 2018年11月15日
ESRGAN: Enhanced Super-Resolution Generative Adversarial Networks
ESRGAN: Enhanced Super-Resolution Generative Adversarial Networks
Arxiv
6+阅读 · 2018年9月17日
High-Resolution Image Synthesis and Semantic Manipulation with Conditional GANs
High-Resolution Image Synthesis and Semantic Manipulation with Conditional GANs
Arxiv
3+阅读 · 2018年8月20日
Self-Attention Generative Adversarial Networks
Arxiv
8+阅读 · 2018年5月21日
A Study on Overfitting in Deep Reinforcement Learning
Arxiv
7+阅读 · 2018年4月20日
Progressive Growing of GANs for Improved Quality, Stability, and Variation
Arxiv
3+阅读 · 2017年11月3日
VIP会员
相关主题
深度学习
生成对抗网络
Lior Wolf
特拉维夫大学
相关VIP内容
最新《生成式对抗网络》简介，25页ppt
最新《生成式对抗网络》简介，25页ppt
专知会员服务
173+阅读 · 2020年6月28日
【剑桥大学博士论文】深层神经网络结构的复兴，147页pdf，The resurgence of structure in deep neural networks
【剑桥大学博士论文】深层神经网络结构的复兴，147页pdf，The resurgence of structure in deep neural networks
专知会员服务
19+阅读 · 2020年5月14日
【CVPR2020-哈工大-京东】自监督结构建模的目标识别，Self-supervised Structure Modeling
【CVPR2020-哈工大-京东】自监督结构建模的目标识别，Self-supervised Structure Modeling
专知会员服务
42+阅读 · 2020年4月1日
【CVPR2020-斯坦福】从RGB-D扫描对抗纹理优化，Adversarial Texture Optimization
【CVPR2020-斯坦福】从RGB-D扫描对抗纹理优化，Adversarial Texture Optimization
专知会员服务
16+阅读 · 2020年3月21日
【WWW2020-北邮】结构深度聚类网络，Structural Deep Clustering Network
【WWW2020-北邮】结构深度聚类网络，Structural Deep Clustering Network
专知会员服务
92+阅读 · 2020年2月14日
【推荐论文】多通道注意力选择GAN的图像到图像转换，Multi-Channel Attention Selection GANs for Guided Image-to-Image Translation
【推荐论文】多通道注意力选择GAN的图像到图像转换，Multi-Channel Attention Selection GANs for Guided Image-to-Image Translation
专知会员服务
29+阅读 · 2020年2月6日
【AAAI2020】知识图谱的生成式对抗零样本关系学习，Generative Adversarial Zero-Shot Relational Learning for Knowledge Graphs
【AAAI2020】知识图谱的生成式对抗零样本关系学习，Generative Adversarial Zero-Shot Relational Learning for Knowledge Graphs
专知会员服务
63+阅读 · 2020年1月11日
必读的10篇 CVPR 2019【生成对抗网络】相关论文和代码
必读的10篇 CVPR 2019【生成对抗网络】相关论文和代码
专知会员服务
32+阅读 · 2020年1月10日
【WSDN 2020 论文】一种结构图表示学习框架（A Structural Graph Representation Learning Framework）
【WSDN 2020 论文】一种结构图表示学习框架（A Structural Graph Representation Learning Framework）
专知会员服务
73+阅读 · 2019年11月20日
【ICCV 2019 Tutorial】Holistic 3D Reconstruction: Learning to Reconstruct Holistic 3D Structures from Sensorial Data（整体3D重建：学习从感官数据重建整体3D结构），宾夕法尼亚州立大学 Zihan Zhou，西蒙弗雷泽大学计算机科学系 Yasutaka Furukawa，UCB 马毅
【ICCV 2019 Tutorial】Holistic 3D Reconstruction: Learning to Reconstruct Holistic 3D Structures from Sensorial Data（整体3D重建：学习从感官数据重建整体3D结构），宾夕法尼亚州立大学 Zihan Zhou，西蒙弗雷泽大学计算机科学系 Yasutaka Furukawa，UCB 马毅
专知会员服务
28+阅读 · 2019年10月31日
热门VIP内容
相关资讯
【WWW2020】结构深度聚类网络， Structural Deep Clustering Network，北京邮电大学
【WWW2020】结构深度聚类网络， Structural Deep Clustering Network，北京邮电大学
专知
31+阅读 · 2020年2月19日
【论文笔记】Graph U-Nets
【论文笔记】Graph U-Nets
专知
80+阅读 · 2019年11月25日
生成对抗网络GANs学习路线
生成对抗网络GANs学习路线
专知
36+阅读 · 2019年6月10日
关于GANs在医学图像领域应用的总结
关于GANs在医学图像领域应用的总结
人工智能前沿讲习班
31+阅读 · 2019年6月4日
带你读论文 | 生成对抗网络GAN论文TOP 10
带你读论文 | 生成对抗网络GAN论文TOP 10
微软研究院AI头条
24+阅读 · 2019年4月11日
论文浅尝 | 基于知识库的自然语言理解 01#
论文浅尝 | 基于知识库的自然语言理解 01#
开放知识图谱
15+阅读 · 2019年2月22日
在对抗中学习网络结构——87页PPT带你学习Graph中的GAN
在对抗中学习网络结构——87页PPT带你学习Graph中的GAN
专知
67+阅读 · 2018年10月2日
【深度】Ian Goodfellow等提出自注意力GAN，ImageNet图像合成获最优结果！
【深度】Ian Goodfellow等提出自注意力GAN，ImageNet图像合成获最优结果！
GAN生成式对抗网络
4+阅读 · 2018年5月27日
Ian Goodfellow等提出自注意力GAN，ImageNet图像合成获最优结果！
Ian Goodfellow等提出自注意力GAN，ImageNet图像合成获最优结果！
新智元
11+阅读 · 2018年5月24日
【生成对抗性网络】十个生成模型(GANs)的最佳案例和原理 | 代码+论文
【生成对抗性网络】十个生成模型(GANs)的最佳案例和原理 | 代码+论文
产业智能官
7+阅读 · 2017年8月17日
相关论文
Heterogeneous Graph Transformer
Heterogeneous Graph Transformer
Arxiv
27+阅读 · 2020年3月3日
Co-Generation with GANs using AIS based HMC
Arxiv
3+阅读 · 2019年10月31日
3D Point Cloud Generative Adversarial Network Based on Tree Structured Graph Convolutions
3D Point Cloud Generative Adversarial Network Based on Tree Structured Graph Convolutions
Arxiv
5+阅读 · 2019年5月16日
Learning Discrete Structures for Graph Neural Networks
Arxiv
17+阅读 · 2019年3月28日
Learning to Predict the Cosmological Structure Formation
Arxiv
3+阅读 · 2018年11月15日
ESRGAN: Enhanced Super-Resolution Generative Adversarial Networks
ESRGAN: Enhanced Super-Resolution Generative Adversarial Networks
Arxiv
6+阅读 · 2018年9月17日
High-Resolution Image Synthesis and Semantic Manipulation with Conditional GANs
High-Resolution Image Synthesis and Semantic Manipulation with Conditional GANs
Arxiv
3+阅读 · 2018年8月20日
Self-Attention Generative Adversarial Networks
Arxiv
8+阅读 · 2018年5月21日
A Study on Overfitting in Deep Reinforcement Learning
Arxiv
7+阅读 · 2018年4月20日
Progressive Growing of GANs for Improved Quality, Stability, and Variation
Arxiv
3+阅读 · 2017年11月3日
微信扫码咨询专知VIP会员
Top