生成对抗网络

作为记录物体信息的一种方式，三维模型图像具有许多特征，明显优于二维图像。然而在三维模型获取过程中，由于各种因素的干扰，如传感器误差、数据丢失等，三维模型可能会出现缺失、损坏或噪声等问题。这些问题会导致模型的不完整性和不准确性，进而影响到后续的应用和分析。三维模型的修复目前是计算机图形学领域的一个重要研究方向。传统的三维

本文首发自 easyAI - 人工智能知识库 原文地址：《 一文看懂生成对抗网络 - GANs？（基本原理+10种典型算法+13种应用） 》 生成对抗网络 – GANs 是最近2年很热门的一种无监督算法，他能生成出非常逼真的照片，图像甚至视频。我们手机里的照片处理软件中就会使用到它。本文将

从某些指标来看，在过去的两年中，生成式对抗网络（Generative Adversarial Networks，简称GAN）的研究已经取得了长足进展。对图像合成模型进行的实际改进速度非常快，让人有种跟不上技术进步步伐的感觉。然而，从其他指标来看，实际发生的情况可能并非如此乐观。举例来说，关于“应该如何评估GAN”仍然存

【网易智能讯 4月5日消息】据CNBC报道，谷歌人工智能（AI）领域的顶尖人物之一伊恩・古德费洛(Ian Goodfellow)已加入苹果，担任机器学习主管的职务。目前，苹果正日益努力利用人工智能（AI）来提升其软件和硬件性能。2018年，苹果聘请了谷歌AI和搜索主管约翰・詹纳安德里亚(John Giannandrea

雷锋网 AI 科技评论按，生成对抗网络是一类功能强大、应用广泛的神经网络。它们基本上是由两个神经网络组成的系统——生成器和判别器，这两个网络相互制约。计算机视觉和人工智能的爱好者 Bharath Raj 近日发布以一篇博文，总结了生成对抗网络的原理、缺点和为了克服这些缺点所做的研究的最新进展。雷锋网 AI 科技评论编译

公众号/新智元今天，Ian Goodfellow开展了一场有关生成对抗网络（GAN）的最新AMA问答，从他小时候如何学习编程，如何想出GAN这个idea，到具体的技术和应用，Goodfellow都作出了专业而且诚恳的回答。Goodfellow认为不止是GAN，胶囊网络、强化学习、半监督学习等等方法都很重要，也值得更多人

公众号/机器之心选自arXiv作者：Xiaodan Liang、Lisa Lee、Wei Dai、Eric P. Xing机器之心编译对于自动驾驶系统而言，准确预测驾驶场景的未来情况对于驾驶安全而言至关重要。卡内基梅隆大学和 Petuum 的一项研究试图通过对偶对抗学习机制来解决这一问题，他们提出的对偶运动生成对抗网络

作者： 路雪近日，帝国理工学院、蒙特利尔大学等研究机构共同发表论文并梳理了生成对抗网络，该论文从最基本的 GAN 架构及其变体到训练过程和训练技巧全面概述了生成对抗网络的概念、问题和解决方案。下面，我们将为各位读者介绍该综述论文。生成对抗网络（GAN）提供了一种不需要大量标注训练数据就能学习深度表征的

雷锋网(公众号：雷锋网) AI 科技评论按：如何让GAN生成带有指定特征的图像？这是一个极有潜力、极有应用前景的问题，然而目前都没有理想的方法。韩国大学电子工程学院Minhyeok Lee和Junhee Seok近期发表论文，就生成对抗网络的控制问题给出了自己的办法，雷锋网 AI 科技评论根据原文进行如下编辑，

雷锋网 AI科技评论按，本文作者华南理工大学 胡杨 ，本文首发于知乎专栏 GAN + 文本生成 + 读博干货 ，雷锋网 (公众号：雷锋网) AI科技评论获其授权转载。 1.基础：文本生成模型的标准框架 文本生成（Text Generation）通过