Open Ereebay opened 5 years ago
https://ereebay.me/posts/64315/
Memory GAN 阅读笔记 简介 本文主要解决了训练非监督GAN中的两个问题, 第一,由于生成对抗网络只使用连续潜在分布来表示多个类或者数据簇,因此他们通常没办法正确的处理潜在空间中不同类之间的结构不连续性质。(由于模式崩溃问题导致) 例如 GAN 吧建筑和猫 嵌入在同一个连续潜在分布中 因此GAN可能在两个类别的过渡区域中 生成真实图像。 其次, 生成对抗网络的鉴别器非常容易遗忘过去生成的样
https://ereebay.me/posts/64315/
Memory GAN 阅读笔记 简介 本文主要解决了训练非监督GAN中的两个问题, 第一,由于生成对抗网络只使用连续潜在分布来表示多个类或者数据簇,因此他们通常没办法正确的处理潜在空间中不同类之间的结构不连续性质。(由于模式崩溃问题导致) 例如 GAN 吧建筑和猫 嵌入在同一个连续潜在分布中 因此GAN可能在两个类别的过渡区域中 生成真实图像。 其次, 生成对抗网络的鉴别器非常容易遗忘过去生成的样