生成对抗网络
计算机视觉与模式识别
2022-03-02 v1 机器学习
摘要
生成对抗网络 (GANs) 是用于生成高质量数据的非常流行的框架，在学术界和工业界的诸多领域得到了广泛应用。可以说，其最重大的影响在于计算机视觉领域，在该领域它们实现了最先进的图像生成。本章介绍了 GANs，讨论了其原理机制，并展示了其在训练与评估期间的一些固有问题。我们重点关注这三个问题：(1) 模式崩溃，(2) 梯度消失，以及 (3) 生成低质量图像。随后，我们列出了一些架构变体与损失变体 GANs，以应对上述挑战。最后，我们展示了 GANs 在实际应用中的两个利用示例：数据增强与人脸图像生成。
引用
@article{arxiv.2203.00667,
title = {Generative Adversarial Networks},
author = {Gilad Cohen and Raja Giryes},
journal= {arXiv preprint arXiv:2203.00667},
year = {2022}
}