GAN发展历程综述:送你最易入手的几个架构 | 附资料包

  1. 云栖社区>
  2. 量子位>
  3. 博客>
  4. 正文

GAN发展历程综述:送你最易入手的几个架构 | 附资料包

行者武松 2018-01-08 15:11:00 浏览2138
展开阅读全文
本文来自AI新媒体量子位(QbitAI)

怎样教机器画一张从未见过的人脸呢?我们知道计算机可以存储大量照片,但它并不知道像素与外观是如何关联起来的。

多年来,各种各样的生成模型都试图解决这个问题。它们使用不同的假设模拟底层数据分布,但那些假设通常并不实用。

目前的实现方法都不是最优解:隐马尔可夫模型生成的文本非常枯燥,由上一句就能预测下一句;变分自编码器(Variational Autoencoders)生成的图像是模糊的,图像之间尽管名称不同,但实际上变化很小,缺乏多样性。

要解决这些问题就要采用一种全新的方法,生成式对抗网络(GAN)应运而生。

在这篇文章中,我们会全面介绍GAN的基础概念,展示其主要架构,并提供大量能显著优化结果的技巧。

GAN的发明

生成模型主要是用来收集训练样本并表示样本的概率分布,解决方案通常是直接推断其概率密度函数

网友评论

登录后评论
0/500
评论
行者武松
+ 关注
所属团队号: 量子位