半监督生成对抗网络综述

为了去除频域光学相干断层扫描（SD-o℃T）中的散斑噪声，提出了一种结构保持生成对抗网络模型，可以无监督地从SD-o℃τ图像合成高质量的增强深部成像光学相干断层扫描（EυI-oCT）图像。该模型基于循

基于生成对抗网络的人脸表情数据增强方法

ESRGAN (Enhanced SRGAN) - 增强的超分辨率生成对抗网络

KERAS-DCGAN 具有(awesome) 库的实现,用于通过深度学习生成人工图像。 这将在真实图像上训练两个对抗性深度学习模型,以产生看起来真实的人工图像。 生成器模型尝试生成看起来真实的图像,

SEGAN:语音增强生成对抗网络 介绍 这是SEGAN项目的存储库。 我们的原始文件可以在找到,并且测试样本可以。 在这项工作中,采用了一种对抗性生成方法,以一种完全卷积的体系结构来进行语音增强(即从

为了提高低照度遥感图像的可视性,提出一种基于条件生成对抗网络的低照度遥感图像增强方法。首先,为克服样本数据不足,利用正常清晰光照的图像合成低照度图像作为训练样本;然后,将原始低照度遥感图像由RGB色彩

针对基于深度学习的语音信号去噪方法存在难于收敛、性能不足的问题,本文提出了基于环状生成对抗网络的深度语音信号去噪方法,设计了新型的环状生成对抗语义去噪网络。通过40余种不同噪声语音集的试验,结果表明所

GANsformer:生成对抗式变压器 Drew A.Hudson *和C.Lawrence Zitnick *我要感谢克里斯托弗·曼宁(Christopher D. Manning)在开发Bipar

利用当前先进的生成对抗网络，建立多层的映射关系，进行图像去雾算法研究并给出了算法的展示

基于双层生成对抗网络的素描人脸合成方法