深度生成模型之数据生成GAN -＞（个人学习记录笔记）

发布时间：2024年01月02日

文章目录

深度生成模型之数据生成GAN

数据生成的应用

1. 图片设计创作

  • 生成重复性工作多，且需要一定创作能力的作品

在这里插入图片描述

2. 数据增强

  • 生成数量更多，类型更加丰富的数据

20240102151837501

3. 数据仿真

  • 生成更加真实的数据，提升仿真数据的质量

4. 视频生成、预测、编辑

  • 生成视频、对视频帧进行预测
    在这里插入图片描述

5. 语音生成

  • 生成说话语音序列与音乐(WaveGAN/GANsynth)

在这里插入图片描述

6. 文本生成

  • 完形填空，句子生成，长文本生成等(MaskGAN,SeqGAN,LeakGAN)

在这里插入图片描述

图像生成模型结构

1. 基本卷积GAN

  • DCGAN
    在这里插入图片描述

2. 多尺度与残差GAN模型

  • LAPGAN,基于残差的学习机制

  • PGGAN,基于逐渐提高分辨率的学习机制
    在这里插入图片描述

3. 条件生成GAN

  • CGAN，显式控制生成结果

在这里插入图片描述

  • InfoGAN，隐式控制生成结果

在这里插入图片描述

4. 半监督条件GAN模型

  • ACGAN(增加标签输出作为辅助，提高生成质量)

在这里插入图片描述

5. 属性向量的学习

  • IcGAN，使用编码器完成从图像到属性本身的学习，然后通过更改属性生成新的图片。

在这里插入图片描述

6. 分层属性模型StyleGAN

  • 输入映射网络，Mapping Network

在这里插入图片描述

  • 自适应风格化曾，AdaIN层

在这里插入图片描述

  • StyleGAN的应用

在这里插入图片描述

  • 部分内容来自阿里云天池
文章来源:https://blog.csdn.net/Slience_me/article/details/135343249
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
最新文章