ChenR

PROGAN描述了一种生成对抗网络的新训练方法。关键的想法是逐步增加生成器和鉴别器：从低分辨率开始，添加新的层，随着训练的进行，这些层可以生成越来越精细的细节。...

BEGAN 提出了一种新的均衡训练方法，该方法与从 Wasserstein 距离导出的损失相匹配，用于训练基于自动编码器的 GAN。该方法在训练期间平衡生成器和鉴别器。...

SAGAN:该网络允许对图像生成进行注意力驱动的远距离依赖性建模。传统卷积 GAN 仅根据低分辨率特征图中的空间局部点生成高分辨率细节。在 SAGAN 中，可以使用来自所有...

尽管图像生成取得了进展，但成功地从 ImageNet 等复杂数据集生成高分辨率、多样化的样本仍然是一个难以捉摸的目标。为此，论文尝试目前最大规模地训练生成对抗网络，并研究了...

DCGAN 展示了令人信服的证据，即深度卷积对抗对在生成器和鉴别器中学习了从对象部分到场景的表示层次。将深度卷积神经网络成功地应用在 GAN 方法里。同时展示了隐空间向量可...