这是关于StarGANUnifiedGenerativeAdversarialNetworks的论文
作者提出了一个统一的无监督对抗域适应性框架,分别对三基本模型、是否权值共享、损失函数设计选择做出来讨论。dversarial-discriminative-domain-adaptation
LSGANs基本思想 LSGANs的英文全称是Least Squares GANs。这篇文章针对的是标准GAN生成的图片质量不高以及训练过程不稳定这两个缺陷进行改进。改进方法就是将GAN的目标函数由交
Adversarial Learning for Weakly-Supervised Social Network Alignment
Adversarial Feature Matching for Text Generation,仅供学习使用,恶意软件对抗的论文
我在阅读论文《Feature Denoising for Improving Adversarial Robustness》的时候,对论文做了标注,其中加入了一些论文中提到的知识概念的补充,也包括我个
200519_Generative Adversarial Network.pdf
Image-to-Image Translation with Conditional Adversarial Networks论文加代码,python(tensorflow)实现和lua实现
颜色分类leetcode通过语义操作不受限制的对抗性扰动。此repo包含我们ICLR 2020会议论文“通过语义操作不受限制的对抗性扰动”的代码。这篇论文的一个版本也在CVPR 2019 Advers
文献,《theempiricalmodedecompositionandthehilbertspectrumfornonlinearandnonstationarytimeseriesanalysis
