目录
Generative Adversarial Network(GAN)
GAN的主要作用是用来做生成对象,输入向量,得到对应的对象
1.Text-to-Image
2.Conditional GAN
首先利用Generator来生成图片,输入条件和从某个分布中sample出来的向量。
3.Stack GAN
先生成小图,然后再生成大图
4.Image-to-image
现实中的用途很多
5.Patch GAN
当用一个Discriminator来进行评估整个大张的图片的时候会有很多问题:容易overfitting,如果训练时间长。可以用多个Discriminator来进行评估。每个Discriminator检查的区域的大小是超参数。如果太小那么整个图片就会糊掉。
6.Speech Enhancement
先训练一套CNN,再用GAN
7.Video Generation