您当前的位置:首页 > IT编程 > gnn
| C语言 | Java | VB | VC | python | Android | TensorFlow | C++ | oracle | 学术与代码 | cnn卷积神经网络 | gnn | 图像修复 | Keras | 数据集 | Neo4j | 自然语言处理 | 深度学习 | 医学CAD | 医学影像 | 超参数 | pointnet | pytorch | 异常检测 | Transformers | 情感分类 | 知识图谱 |

自学教程:GAN应用的经典文章

51自学网 2021-01-08 10:20:54
  gnn
这篇教程GAN应用的经典文章写得很实用,希望能帮到您。

GAN在计算机视觉领域应用的经典文章

 
 
  • 具有对抗性学习的单深度视图3D对象重建[arXiv]
  • 来自多个对象的2D视图的3D形状归纳[arXiv]
  • 借助GAN向程序化地形生成迈出的一步[arXiv] [代码]
  • 使用生成对抗网络对视频中的异常事件进行检测[arXiv]
  • 对抗性生成车牌识别训练示例[arXiv]
  • 用于文本到图像合成的具有感知损失的对抗网[arXiv]
  • 用于从RGB重构空间上下文感知光谱图像的对抗网络[arXiv]
  • 对抗性网络,用于检测侵略性前列腺癌[arXiv]
  • 对抗性PoseNet:一种用于人体姿态估计的结构感知卷积网络[arXiv]
  • 草图检索的对抗训练[arXiv]
  • 通过对抗学习增强审美驱动的图像[arXiv]
  • 通过条件对抗自动编码器进行年龄增长/回归[arXiv]
  • AlignGAN:学习将跨域图像与条件生成对抗网络对齐[arXiv]
  • 图像超分辨率的摊销MAP推断[arXiv]
  • 使用增强的感知超分辨率网络分析感知失真权衡[arXiv] [代码]
  • 通过GAN [arXiv]进行艺术文本可视化的新方法
  • 反化妆:学习双层对抗网络以进行化妆不变的面部验证[arXiv]
  • 任意面部属性编辑:仅更改所需的内容[arXiv] [代码]
  • ARIGAN:使用生成对抗网络的合成拟南芥植物[arXiv]
  • ArtGAN:带条件分类GAN的艺术品合成[arXiv]
  • 人工生成大数据以改善图像分类:SAR数据的生成对抗网络方法[arXiv]
  • 自动编码器引导的GAN,可用于中国书法合成[arXiv]
  • Auto-painter:使用条件生成对抗网络从草图生成卡通图像[arXiv]
  • 使用对抗性图像对图像网络自动进行肝分割[arXiv]
  • 超越面部旋转:用于真实感和身份保留正面视图合成的全局和局部感知GAN [arXiv]
  • CAN:创意对抗网络通过了解样式并偏离样式规范来生成“艺术” [arXiv]
  • CompoNet:学习生成零件合成和组成看不见的东西[arXiv] [代码]
  • 对抗性网络中循环丢失的压缩感知MRI重建[arXiv]
  • 用于脑肿瘤语义分割的条件对抗网络[arXiv]
  • 用于卷积脸生成的条件生成对抗网络[论文]
  • 使用辅助分类器GAN进行条件图像合成[论文] [arXiv] [代码]
  • 用于抽象推理图生成的上下文RNN-GAN [arXiv]
  • 可控的生成对抗网络[arXiv]
  • 创造力:有能力学习专业作品的深度学习摄影师[arXiv]
  • 穿越网:将GAN和VAE与共享的潜在空间结合起来,以进行手姿势估计[arXiv]
  • CVAE-GAN:通过不对称训练生成细粒度图像[arXiv]
  • 使用GAN进行分类中的数据扩充[arXiv]
  • 深度生成对抗压缩伪像[arXiv]
  • 压缩感知(GANCS)的深度生成对抗网络使MRI自动运行[arXiv]
  • 用于实际前列腺病变MRI合成的深度生成对抗神经网络[arXiv]
  • 使用对抗性网络的拉普拉斯金字塔的深度生成图像模型[arXiv] [代码] [博客]
  • 超出均方误差的深度多尺度视频预测[arXiv] [代码]
  • 用于遥感影像的深度无监督表示学习[arXiv]
  • DeLiGAN:多样化和有限数据的生成对抗网络[arXiv]
  • 深度结构保留场景图像生成[arXiv]
  • DualGAN:用于图像到图像翻译的无监督双重学习[arXiv] [代码]
  • 用于未来流嵌入式视频预测的Dual Motion GAN [arXiv]
  • 使用注意GAN的大型图像的高效超分辨率[arXiv] [论文] [论文]
  • ExprGAN:具有可控制的表情强度的表情编辑[arXiv]
  • 使用条件生成对抗网络的人脸老化[arXiv]
  • 生成对抗网络的人脸转移[arXiv]
  • 使用多光谱条件生成对抗性网络对卫星影像进行浮云去除[arXiv]
  • 具有空间条件的生成对抗网络的徒手超声图像仿真[arXiv]
  • 从源到目标再到目标:对称双向自适应GAN [arXiv]
  • 递归神经网络的全分辨率图像压缩[arXiv]
  • 用于生物图像合成的GAN [arXiv]
  • GeneGAN:从不成对的数据中学习对象变形和属性子空间[arXiv] [代码]
  • 通过生成的对抗网络生成保存身份的面孔[arXiv]
  • 生成以适应:使用生成对抗网络对齐域[arXiv]
  • 监视中人员属性识别的生成对抗模型[arXiv]
  • 基于Resnet的生成对抗网络用于条件图像恢复[arxiv]
  • 基于产生式对抗网络的极化热面合成可见面[arXiv]
  • 视频超链接中用于多模式表示学习的生成对抗网络[arXiv]
  • 生成对抗性文本以进行图像合成[arXiv] [代码]
  • 自然图像流形上的生成视觉操纵[项目] [Youtube] [纸张] [代码]
  • 3D形状的全局到局部生成模型[项目] [代码]
  • GP-GAN:保留性别的GAN,可从地标中合成面孔[arXiv]
  • GP-GAN:迈向逼真的高分辨率图像融合[arXiv]
  • 用半监督指导InfoGAN [arXiv]
  • 如何用生成对抗网络欺骗放射科医生?肺癌诊断的视觉图灵测试[arXiv]
  • 具有3D生成对抗网络的分层细节增强了基于网格的形状生成[arXiv]
  • 使用条件生成对抗网络的高质量人脸图像SR [arXiv]
  • 使用多专业网络的高质量面部照片合成[arXiv]
  • 使用条件生成对抗网络进行图像去雨[arXiv]
  • 借助可变信息生成对抗网络进行图像生成和编辑[arXiv]
  • 有条件对抗网络的图像到图像翻译[arXiv] [代码]
  • 用于3D对象生成和重构的改进对抗系统[arXiv] [代码]
  • 使用条件对抗网络改善异构人脸识别[arXiv]
  • 通过人类互动来改善图像生成模型[arXiv]
  • 用生成对抗网络模仿驾驶员行为[arXiv]
  • 带有生成对抗网络的交互式3D建模[arXiv]
  • 带有条件生成对抗网络的集成的术中器官运动模型[arXiv]
  • 用于图像编辑的可逆条件GAN [arXiv] [纸]
  • 联合辨别和生成学习,以重新识别人[项目] [论文] [YouTube] [比利比利] [海报] [代码]
  • 用于人脸图像逆照明的标签去噪对抗网络(LDAN)[arXiv]
  • 学习驾驶模拟器[arXiv]
  • 学习用于高分辨率艺术品合成的生成对抗网络[arXiv]
  • 通过3D生成-Adversarial建模学习对象形状的概率潜在空间[arXiv]
  • 通过对抗训练从模拟和无监督图像中学习[arXiv]
  • 学习发现与生成对抗网络的跨域关系[arXiv]
  • 学习使用生成对抗网络生成椅子[arXiv]
  • 学习使用多阶段动态生成对抗网络生成延时视频[arXiv]
  • 使用具有Wasserstein距离和知觉损失的生成对抗网络,低剂量CT图像降噪[arXiv]
  • MARTA GAN:用于遥感影像分类的无监督表示学习[arXiv]
  • 使用生成对抗网络创建百万像素大小的图像[arXiv]
  • 通过对抗神经网络进行显微镜细胞分割[arXiv]
  • MoCoGAN:分解运动和内容以生成视频[arXiv]
  • 多视图生成对抗网络[论文]
  • 使用自省对抗网络进行神经图片编辑[论文] [arXiv]
  • 使用GAN进行组织病理学图像的神经染色风格转移学习[arXiv]
  • 通过串联对抗网络进行轮廓着色[arXiv]
  • 用于图像到图像转换的感知对抗网络[arXiv]
  • 用于小物体检测的感知生成对抗网络[arXiv]
  • 使用生成对抗网络的逼真的单图像超分辨率[arXiv]
  • 姿势指导者图像生成[arXiv]
  • 马尔可夫生成对抗网络预先计算的实时纹理合成[arXiv]
  • 用于可视段落生成的循环主题转换GAN [arXiv]
  • RenderGAN:生成现实的标签数据[arXiv]
  • 3D点云的表示学习和对抗生成[arXiv]
  • 使用局部显着图和生成对抗网络进行视网膜脉管系统分割以实现图像超分辨率[arXiv]
  • 生殖对抗网络在眼底镜图像中的视网膜血管分割[arXiv]
  • SAD-GAN:使用生成对抗网络的合成自动驾驶[arXiv]
  • SalGAN:生成对抗网络的视觉显着性预测[arXiv]
  • SegAN:具有多级L1损失的对抗网络,用于医学图像分割[arXiv]
  • SeGAN:分割并生成不可见的[arXiv]
  • 使用深度生成模型的语义图像修复[arXiv]
  • EdgeConnect:具有对抗性边缘学习功能的生成图像修复[arXiv] [代码]
  • 通过对抗学习进行语义图像合成[arXiv]
  • 使用对抗网络的语义分割[arXiv]
  • 语义分解生成对抗网络的潜在空间[arXiv]
  • 半潜在GAN:学习根据属性生成和修改面部图像[arXiv]
  • 具有上下文条件的生成对抗网络的半监督学习[arXiv]
  • 使用条件生成对抗网络的清晰度敏锐的低剂量CT去噪[arXiv]
  • 使用条件生成对抗网络同时实现色深超分辨率[arXiv]
  • SingleGAN:使用多个生成对抗性学习的单生成器网络进行图像到图像的翻译[arXiv] [代码]
  • 通过原始深度输入和生成的对抗模仿学习,实现符合社会标准的导航[arXiv]
  • StackGAN:使用堆叠式生成对抗网络将文字转换为逼真的图像[arXiv]
  • StackGAN ++:具有堆叠式生成对抗网络的逼真的图像合成[arXiv]
  • 具有增强型残留U-net和辅助分类器GAN的样式的样式传递GAN [arXiv]
  • 用于图像显着性检测的受监督对抗网络[arXiv]
  • 通过多通道生成对抗网络(GAN)合成正电子发射断层扫描(PET)图像[arXiv]
  • 用GAN合成丝状结构图像[arXiv]
  • 使用iDCGAN的合成虹膜呈现攻击[arXiv]
  • 来自双重生成对抗网络的合成医学图像[arXiv]
  • TAC-GAN-文本条件辅助分类器生成对抗网络[arXiv]
  • 具有奇异值剪切的时间生成对抗网络[arXiv]
  • TextureGAN:使用纹理补丁控制深度图像合成[arXiv]
  • 空间生成对抗网络的纹理合成[arXiv] [代码]
  • 文本自适应生成对抗网络:使用自然语言处理图像[arXiv] [代码]
  • 有条件的类比GAN:在人物图像上交换时尚文章[arXiv]
  • 走向对抗性视网膜图像合成[arXiv] [代码] [演示]
  • 通过条件GAN实现多样化和自然的图像描述[arXiv]
  • 借助生成的对抗网络实现自动动漫角色创建[arXiv]
  • UGAN:使用生成式对抗网络增强水下图像[arXiv]
  • GAN生成的未标记样品可在体外改善人员重新识别的基线[arXiv] [代码]
  • 使用周期一致的对抗网络进行不成对的图像到图像的翻译[arXiv]
  • 带有分类生成对抗网络的无监督和半监督学习[arXiv]
  • 利用生成对抗网络进行无监督异常检测,以指导标记发现[arXiv]
  • 无监督的跨域图像生成[arXiv]
  • 通过生成对抗网络进行无监督的多样化着色[arXiv]
  • 生成对抗网络的无监督像素级域自适应[arXiv]
  • 可重构的生成对抗网络的无监督视觉属性传递[arXiv]
  • VIGAN:生成对抗网络缺少视图归因[arXiv]
  • WaterGAN:无监督的生成网络,可实现单目水下图像的实时色彩校正[arXiv]
  • 用于3D重建的弱监督生成对抗网络[arXiv]
  • [TomoGAN:具有生成对抗网络的低剂量X射线断层扫描] [作者] [arXiv]
 

UDA版本8.0安装CUDNN6.0
10 篇关于 GAN 的论文
万事OK自学网:51自学网_软件自学网_CAD自学网自学excel、自学PS、自学CAD、自学C语言、自学css3实例,是一个通过网络自主学习工作技能的自学平台,网友喜欢的软件自学网站。