TODO

[vshokorov]

Мини блог о курсовой работе.

[vshokorov]

Разобрать статьи:

• [ ] Байесовский выбор моделей. Дистилляция на основе априорной информации.
• [ ] Lecture 10: GAN evaluation. SAGAN, BigGAN, ProGAN, StyleGAN. [DGM course, 2020], Roman Isachenko
• [x] ALAE

  

• [x] Unsupervised Discovery of Interpretable Directions in the GAN Latent Space

  В статье была отсылка на Disentangling GAN with One-Hot Sampling and Orthogonal Regularization

  Тут используют классификаторы, предварительно обученные на наборе данных CelebA, чтобы предсказать определенные атрибуты лица. Эти классификаторы затем используются для получения псевдомаркировок для генерируемых изображений и их скрытых кодов. На основе этих псевдо-меток в латентном пространстве строится разделяющая гиперплоскость, и нормаль к этой гиперплоскости становится направлением, которое захватывает соответствующий атрибут A Spectral Regularizer for Unsupervised Disentanglement В работе строиться распутываение латентного пространства обученного GAN. Строятся интерпретируемая кривая по собственным векторам матрицы якоби GAN, как по градиентам.

• [ ] MULTI-STEP DECENTRALIZED DOMAIN ADAPTATION
• [ ] FEDERATED ADVERSARIAL DOMAIN ADAPTATION
• [ ] Navigating the GAN Parameter Space for Semantic Image Editing

[vshokorov]

Efficient Learning of Domain-invariant Image Representations 2013 - посмотреть ссылки на эту статью

[vshokorov]

CODE: VAE-PyTorch pytorch-vae