暂无评论
keras-adversarial, Keras生成对抗性网络 Keras对抗性模型将多个模型合并为单个模型。 GANs轻松 !AdversarialModel 模拟多玩家游戏。对 model.fit
DCGAN DCGAN是深度卷积生成对抗网络。 DCGAN由彼此相对的两个神经网络组成。 生成器神经网络学习创建看起来真实的图像,而鉴别器学习识别伪造的图像。 随着时间的流逝,图像开始越来越像训练输入
本资源是Goodfellow发表的论文Generative Adversarial Nets的完整翻译版本，可供直接下载打印研究学习
为提高水下激光图像的质量,改进了生成对抗网络的生成网络,使其成为一种包含跳跃结构和空洞卷积的深度卷积神经网络。利用该网络从自建数据集中学习待修复图像到目标图像的端到端映射参数,再对带有强后向散射光的水
卷积神经网络。发明专利说明书。本发明公开了一种基于生成对抗网络由父 母照片生成子女照片的方法,将人脸图像数据行 划分为训练样本集与测试样本集,并对训练样本 集中的人脸图像进行数据预处理。之后,重新构
提出一种基于条件生成对抗网络（CGAN）的漫画手绘图自动上色方法。实验中，采用U型结构的生成器，对网络模型使用L1进行约束，在生成器和判别器的对抗式训练中，模型不断学习并优化手绘图到对应彩色图像间的映
ST-GAN: 用于图像合成的空间变换生成对抗网络 (CVPR 2018)
生成对抗网络进行感知遮挡人脸还原的算法研究.pdf
LS-GAN，GAN的最新研究进展，正则化的GAN，GLS_GAN统一了WGAN，非常值得推荐
最近,新的研究工作利用生成对抗网络技术和强化学习技术等分别对这些问题进行改进,并在观察机制、多智能体系统等方面对GAIL进行了拓展。本文综述了这些有代表性的工作,并探讨这类算法未来的发展趋势,最后进行
暂无评论