Skip to content

AI

  • in AI
  • 5 min read

基于 GAN 的动漫头像生成

本篇博客介绍了基于生成式对抗网络（GAN）的动漫头像生成项目。文章详细描述了项目的背景、实现过程、实验结果以及遇到的问题和改进方法。通过无条件生成和条件生成（ACGAN）两种方式，作者实现了对动漫头像的生成和特征控制，并探讨了 GAN 的理论问题及优化方向。最终，文章展示了实验成果并提出了未来的优化空间，包括改进模型设计、使用更优质的数据集以及生成更高分辨率的图片。

  • in AI
  • 9 min read

生成式对抗网络——理论

在 对抗式生成网络 - 基础 这篇文章中，我们介绍了对抗式生成网络（Generative Adversarial Networks, GAN）的基本思想。我们已经知道，与最经典的 Reflection Model 不一样，GAN 是通过一组用于生成的 generator 和用于判别的 discriminator 互相对抗来实现生成能力的自强化。上一篇文章中，我们只是很简单的介绍了它的 intuition，但 GAN 本质上还是一个数学模型，为什么能实现自强化，为什么模型最后会向我们希望的方向收敛，它还需要一些更加严谨的理论推导。

这篇文章中，我们将根据《TOWARDS PRINCIPLED METHODS FOR TRAINING GENERATIVE ADVERSARIAL NETWORKS》(Arjovsky et al. 2017) 和 《Wasserstein GAN》(Arjovsky et al. 2017) 这两篇论文的推导和论述，简单的讨论一下 GAN 的数学理论。

  • in AI
  • 5 min read

生成式对抗网络——基础

Reference: Machine Learning and having it deep and structured (2018,Spring) （李宏毅）

生成式对抗网络（Generative Adversarial Network，GAN），是 2014 年被提出来的一种生成式深度学习网络技术。

由于在众多应用场合中的出色表现，近年来 GAN 的应用和研究已经成为一个非常热门的方向。

研究热度

这篇文章将会对 GAN 做一个直观的介绍，帮助读者理解 GAN 的 Basic Idea。

  • in AI
  • 3 min read

基于 0-1 乘性噪声的朴素图片降噪

AI Generated Abstract

本文介绍了一种基于 0-1 乘性噪声的图片降噪方法。通过利用图像像素的局部相似性特征，采用高斯核函数和线性回归模型对受损图像进行修复。文中详细描述了核心思想、训练过程以及迭代降噪策略，并展示了实验结果和潜在优化方向。该方法在视觉效果上取得了显著的降噪效果，同时提出了并行优化和更复杂模型的改进建议。