Open irfanICMLL opened 7 years ago
Pixel Recurrent Neural Networks： Google deepmind做的一项有趣的工作，把图像的像素当成是一个有时序的序列，然后利用RNN网络的结构来处理！厉害了，我导师之前也提过这个想法，还被我们吐槽说老师总是想用RNN做图像，用CNN做自然语言处理，没想到现在被DeepMind做了！但是这个思路很清奇，应该和咱们的项目不太沾边。
Color Sketch Generation：这是微软研究院做的一项工作，是我导师之前让我读过的一篇文章，但是感觉可以开发一个新功能啊？上传一张照片，自动变成这种带有涂色的非常简单的简笔画，小孩自己就可以照着画了。没用到深度学习，就是传统的图像处理，是06年的一篇文章。
Unsupervised Image-to-Image Translation with Generative Adversarial network：https://github.com/zsdonghao/tensorlayer 一群印度人的工作？做的结果一般，思路是把通过类别信息和噪声Z生成图片，然后生成图片和真实图片进入判别器分类，真实图片属于类1，生成属于类2。通过编码把生成变成噪音，1类真实图片通过该编码器变成噪音，和2类别信息共同通过生成器生成2类别的生成图片。 就是可以把男人变成女人啦之类的。
Pixel-Level Domain Transfer：韩国人的文章- -通过穿着衣服的人生成衣服。有一个点：没有loss function 除了正常的GAN之外 又多加了一个 discriminator来判别生成的穿衣服的人和衣服是否相关。比如现在有一个正样本，一个负样本。生成样本和正样本的差值要小于生成样本和负样本的差值。
Convolutional Sketch Inversion：文中有神经网络搭建的详细参数，降采样部分是scribbler那篇文章使用的，但是本文使用了反卷积层，scribbler那篇文章使用了双线性差值。这里我还是不懂，双线性差值= =怎么学习。。不是个确定输出的吗
Pixel Recurrent Neural Networks： Google deepmind做的一项有趣的工作，把图像的像素当成是一个有时序的序列，然后利用RNN网络的结构来处理！厉害了，我导师之前也提过这个想法，还被我们吐槽说老师总是想用RNN做图像，用CNN做自然语言处理，没想到现在被DeepMind做了！但是这个思路很清奇，应该和咱们的项目不太沾边。
Color Sketch Generation：这是微软研究院做的一项工作，是我导师之前让我读过的一篇文章，但是感觉可以开发一个新功能啊？上传一张照片，自动变成这种带有涂色的非常简单的简笔画，小孩自己就可以照着画了。没用到深度学习，就是传统的图像处理，是06年的一篇文章。
Unsupervised Image-to-Image Translation with Generative Adversarial network：https://github.com/zsdonghao/tensorlayer 一群印度人的工作？做的结果一般，思路是把通过类别信息和噪声Z生成图片，然后生成图片和真实图片进入判别器分类，真实图片属于类1，生成属于类2。通过编码把生成变成噪音，1类真实图片通过该编码器变成噪音，和2类别信息共同通过生成器生成2类别的生成图片。 就是可以把男人变成女人啦之类的。
Pixel-Level Domain Transfer：韩国人的文章- -通过穿着衣服的人生成衣服。有一个点：没有loss function 除了正常的GAN之外 又多加了一个 discriminator来判别生成的穿衣服的人和衣服是否相关。比如现在有一个正样本，一个负样本。生成样本和正样本的差值要小于生成样本和负样本的差值。
Convolutional Sketch Inversion：文中有神经网络搭建的详细参数，降采样部分是scribbler那篇文章使用的，但是本文使用了反卷积层，scribbler那篇文章使用了双线性差值。这里我还是不懂，双线性差值= =怎么学习。。不是个确定输出的吗