Open Yagami360 opened 3 years ago
アーキテクチャの全体像
生成器
識別器
データオーギュメントの効果
Co-Training(共同学習)
Locality-Aware Initialization for Self-Attention
学習用データセット
実験設定 xxx
既存の noize-to-image GAN モデルとの定量的品質比較
本モデルでの生成画像の品質
nn.PixelShuffle(scale_factor=2)
nn.ConvTranspose2d
nn.Upsample
0. 論文情報・リンク
1. どんなもの?
2. 先行研究と比べてどこがすごいの?
3. 技術や手法の"キモ"はどこにある?
アーキテクチャの全体像
生成器
識別器
データオーギュメントの効果
Co-Training(共同学習)
Locality-Aware Initialization for Self-Attention
4. どうやって有効だと検証した?
学習用データセット
実験設定 xxx
既存の noize-to-image GAN モデルとの定量的品質比較
本モデルでの生成画像の品質
5. 議論はあるか?
nn.PixelShuffle(scale_factor=2)
で簡単に実装できる。pixelshuffle 自体はかなり前に提案されているアップサンプリング手法だが、nn.ConvTranspose2d
やnn.Upsample
での UpSampling 層よりも生成画像の品質が向上するか?6. 次に読むべき論文はあるか?
7. 参考文献