Ta上传的资源 (0)

生成对抗网络（GAN）的最新进展已使其广泛用于生成高质量合成图像的目的。这些模型虽然能够生成逼真的图像，但通常会产生不真实的样本，这些样本落在数据流形之外。.. 最近提出的几种技术试图通过在生成后将其拒绝或将模型的潜在空间截断来避免虚假样本。这些方法虽然有效，但效率不高，因为培训时间和模型能力的很大