「每週CV論文推薦」 初學GAN必須要讀的文章
歡迎來到《每週CV論文推薦》。在這個專欄裡,還是本著有三AI一貫的原則,專注於讓大家能夠系統性完成學習,所以我們推薦的文章也必定是同一主題的。
GAN作為當前最有前途,也最燒錢的方向之一,值得每一個從事CV領域的同學跟進,今天給大家介紹入行GAN需要讀的文章。
作者&編輯 | 言有三
1 GAN
首先當然是要讀GAN之父Goodfellow的文章[2]了,引用量已經超過了10000+,不過因為GAN模型同時包含了生成學習和判別學習模型,也推薦大家讀一讀文[1]對兩者的對比。
文章引用量:10000+
推薦指數:✦✦✦✦✦
[1] Ng A Y, Jordan M I. On discriminative vs. generative classifiers: A comparison of logistic regression and naive bayes[C]//Advances in neural information processing systems. 2002: 841-848.
[2] Goodfellow I, Pouget-Abadie J, Mirza M, et al. Generative adversarial nets[C]//Advances in neural information processing systems. 2014: 2672-2680.
2 DCGAN
作為第一個全卷積GAN,簡單,有效,對機器的要求不高,誰都可以上手在短時期來完成影像生成任務,領略GAN的神奇之處。
文章引用量:4000+
推薦指數:✦✦✦✦✦
[3] Radford A, Metz L, Chintala S. Unsupervised representation learning with deep convolutional generative adversarial networks[J]. arXiv preprint arXiv:1511.06434, 2015.
3 CGAN和InfoGAN
GAN雖然是無監督模型,DCGAN固然也好用,但是加了條件控制之後才能做更多的事情。CGAN是第一個條件GAN模型,能夠控制生成數字的細節。Infogan是無監督的cgan,通過隱變數約束c與生成資料之間的關係,它們是後面出現的更加強大的條件GAN的基礎。
文章引用量:2000+
推薦指數:✦✦✦✦✦
[4] Mirza M, Osindero S. Conditional generative adversarial nets[J]. arXiv preprint arXiv:1411.1784, 2014.
[5] Chen X, Duan Y, Houthooft R, et al. Infogan: Interpretable representation learning by information maximizing generative adversarial nets[C]//Advances in neural information processing systems. 2016: 2172-2180.
4 級連GAN
原始的GAN生成圖的解析度太小,無法實用,為了更加穩定地生成更加高清的圖,LAPGAN[6]/StackedGAN[7]借鑑了影像中的金字塔演算法,各自提出級連的GAN結構。NVIDIA則在Progressive GAN中首次將影像生成到了1024解析度,效果驚人。
文章引用量:1000+
推薦指數:✦✦✦✦✧
[6] Denton E L, Chintala S, Fergus R. Deep generative image models using a laplacian pyramid of adversarial networks[C]//Advances in neural information processing systems. 2015: 1486-1494.
[7] Huang X, Li Y, Poursaeed O, et al. Stacked generative adversarial networks[C]//IEEE Conference on Computer Vision and Pattern Recognition (CVPR). [8] Karras T, Aila T, Laine S, et al. Progressive growing of gans for improved quality, stability, and variation[J]. arXiv preprint arXiv:1710.10196, 2017.
5 如何獲取文章與交流
找到有三AI開源專案即可獲取。
https://github.com/longpeng2008/yousan.ai
https://www.toutiao.com/i6734858201180668419/
來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/69946223/viewspace-2656588/,如需轉載,請註明出處,否則將追究法律責任。
相關文章
- 「每週CV論文推薦」 深度學習人臉檢測入門必讀文章深度學習
- 近期必讀的12篇「推薦系統」相關論文
- 清華 NLP 團隊推薦:必讀的77篇機器閱讀理解論文
- Spotify 每週推薦功能:基於機器學習的音樂推薦機器學習
- 【讀論文】 -- 推薦系統研究綜述
- 論文解讀(GAN)《Generative Adversarial Networks》
- [資源推薦] 必須收藏的兩個查詢論文和程式碼實現的網站!網站
- 本週AI論文良心推薦,你想pick誰?AI
- 本週有哪些值得讀的論文?15篇良心推薦瞭解一下
- GAN背後的數學原理是什麼?初學者的理論入門聖經來了 | 一週AI最火論文AI
- 近期值得讀的10篇GAN進展論文
- 推薦系統公平性論文閱讀(二)
- 推薦系統公平性論文閱讀(三)
- 推薦系統公平性論文閱讀(四)
- 推薦系統公平性論文閱讀(六)
- 推薦系統論文之序列推薦:KERL
- 「推薦系統的廣泛和深度學習」- 論文閱讀和翻譯深度學習
- 【推薦】Python中你必須要知道的IDE工具!PythonIDE
- 為什麼前端初學者必須要明白髮布訂閱模式前端模式
- 讀論文-序列感知推薦系統(Sequence-Aware Recommender Systems)
- (讀論文)推薦系統之ctr預估-DeepFM模型解析模型
- 學習web前端,必須要掌握的CSS原理Web前端CSS
- NeurIPS 2020 | 近期必讀模仿學習精選論文
- GAN 論文大彙總
- Android優秀文章和開源庫推薦(讀值得讀的)Android
- 初學Python必須知道的11個知識點!Python
- DDD文章推薦
- 基於GAN的字型風格遷移 | CVPR 2018論文解讀
- 必須要掌握的重要目錄
- 推薦適合Java初學的書籍?Java
- C語言初學者必須掌握的關鍵字!C語言
- [Github 專案推薦] 一個更好閱讀和查詢論文的網站Github網站
- 本週份AI論文推薦新鮮出爐!真的很skr了~AI
- 技術人如何提升自己(推薦必讀)
- Blind Super-Resolution Kernel Estimation using an Internal-GAN 論文解讀
- 李巨集毅GAN學習(四)GAN的基本理論
- 推薦學Java——初識資料庫Java資料庫
- Java學習必備書籍推薦Java