【技術綜述】有三說GANs(上)

2021-01-18 有三AI

參考文獻

【1】Xue J H, Titterington D M. Comment on 「On Discriminative vs. Generative Classifiers: A Comparison of Logistic Regression and Naive Bayes」[J]. Neural Processing Letters, 2008, 28(3):169.

【2】Goodfellow I, Pouget-Abadie J, Mirza M, et al. Generative adversarial nets[C]//Advances in neural information processing systems. 2014: 2672-2680.

【3】Radford A, Metz L, Chintala S. Unsupervised representation learning with deep convolutional generative adversarial networks[J]. arXiv preprint arXiv:1511.06434, 2015.

【4】Mirza M, Osindero S. Conditional generative adversarial nets[J]. arXiv preprint arXiv:1411.1784, 2014.

【5】Chen X, Duan Y, Houthooft R, et al. Infogan: Interpretable representation learning by information maximizing generative adversarial nets[C]//Advances in neural information processing systems. 2016: 2172-2180.

【6】Reed S, Akata Z, Yan X, et al. Generative adversarial text to image synthesis[J]. arXiv preprint arXiv:1605.05396, 2016.

【7】Denton E L, Chintala S, Fergus R. Deep generative image models using a laplacian pyramid of adversarial networks[C]//Advances in neural information processing systems. 2015: 1486-1494.

【8】Huang X, Li Y, Poursaeed O, et al. Stacked generative adversarial networks[C]//IEEE Conference on Computer Vision and Pattern Recognition (CVPR). 2017, 2(4).

【9】Karras T, Aila T, Laine S, et al. Progressive growing of gans for improved quality, stability, and variation[J]. arXiv preprint arXiv:1710.10196, 2017.

【10】Mao X, Li Q, Xie H. AlignGAN: Learning to align cross-domain images with conditional generative adversarial networks[J]. arXiv preprint arXiv:1707.01400, 2017.

【11】Liu M Y, Tuzel O. Coupled generative adversarial networks[C]//Advances in neural information processing systems. 2016: 469-477.

【12】Shrivastava A, Pfister T, Tuzel O, et al. Learning from simulated and unsupervised images through adversarial training[C]//The IEEE Conference on Computer Vision and Pattern Recognition (CVPR). 2017, 3(4): 6.

【13】Elgammal A, Liu B, Elhoseiny M, et al. CAN: Creative adversarial networks, generating" art" by learning about styles and deviating from style norms[J]. arXiv preprint arXiv:1706.07068, 2017.

【14】Sbai O, Elhoseiny M, Bordes A, et al. DeSIGN: Design Inspiration from Generative Networks[J]. arXiv preprint arXiv:1804.00921, 2018.

【15】Huang R, Zhang S, Li T, et al. Beyond face rotation: Global and local perception gan for photorealistic and identity preserving frontal view synthesis[J]. arXiv preprint arXiv:1704.04086, 2017.

【16】Creswell A, Bharath A A. Adversarial training for sketch retrieval[C]//European Conference on Computer Vision. Springer, Cham, 2016: 798-809.

【17】Tulyakov S, Liu M Y, Yang X, et al. Mocogan: Decomposing motion and content for video generation[J]. arXiv preprint arXiv:1707.04993, 2017.

【18】Juvela L, Bollepalli B, Wang X, et al. Speech waveform synthesis from MFCC sequences with generative adversarial networks[J]. arXiv preprint arXiv:1804.00920, 2018.

【19】Yu L, Zhang W, Wang J, et al. SeqGAN: Sequence Generative Adversarial Nets with Policy Gradient[C]//AAAI. 2017: 2852-2858.

【20】Isola P, Zhu J Y, Zhou T, et al. Image-to-Image Translation with Conditional Adversarial Networks[J]. 2016:5967-5976.

【21】Zhu J Y, Park T, Isola P, et al. Unpaired image-to-image translation using cycle-consistent adversarial networks[J]. arXiv preprint, 2017.

【22】Yi Z, Zhang H, Tan P, et al. Dualgan: Unsupervised dual learning for image-to-image translation[J]. arXiv preprint, 2017.

【23】Chang H, Lu J, Yu F, et al. Pairedcyclegan: Asymmetric style transfer for applying and removing makeup[C]//2018 IEEE Conference on Computer Vision and Pattern Recognition (CVPR). 2018.

【24】Wei L, Zhang S, Gao W, et al. Person Transfer GAN to Bridge Domain Gap for Person Re-Identification[J]. arXiv preprint arXiv:1711.08565, 2017.

【25】Joo D, Kim D, Kim J. Generating a Fusion Image: One's Identity and Another's Shape[J]. arXiv preprint arXiv:1804.07455, 2018.

【26】Yang H, Huang D, Wang Y, et al. Learning face age progression: A pyramid architecture of gans[J]. arXiv preprint arXiv:1711.10352, 2017.

【27】Qian R, Tan R T, Yang W, et al. Attentive Generative Adversarial Network for Raindrop Removal from A Single Image[C]//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. 2018: 2482-2491.

【28】Chen Y, Lai Y K, Liu Y J. CartoonGAN: Generative Adversarial Networks for Photo Cartoonization[C]//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. 2018: 9465-9474.

【29】Azadi S, Fisher M, Kim V, et al. Multi-content gan for few-shot font style transfer[C]//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. 2018, 11: 13.

【30】Kupyn O, Budzan V, Mykhailych M, et al. DeblurGAN: Blind Motion Deblurring Using Conditional Adversarial Networks[J]. arXiv preprint arXiv:1711.07064, 2017.

【31】Ledig C, Theis L, Huszár F, et al. Photo-realistic single image super-resolution using a generative adversarial network[J]. arXiv preprint, 2017.

【32】Bai Y, Zhang Y, Ding M, et al. Finding tiny faces in the wild with generative adversarial network[J]. CVPR. IEEE, 2018.


相關焦點

  • 綜述:「三父母」技術是否放行在美國再引討論
    新華社華盛頓4月18日電綜述：「三父母」技術是否放行在美國再引討論新華社記者周舟本月初在希臘的一家醫院中，又一名「三父母」嬰兒藉助線粒體替代療法誕生，這種可以克服遺傳疾病的新技術再次引發關注。2015年12月，美國國會在撥款法案中禁止美國食品和藥物管理局批准「有目的製造或修飾人類胚胎以改變遺傳基因的臨床試驗」。但2016年2月，美國國家科學、工程和醫學學院下屬醫學研究所組成的一個專家委員會發布報告稱，對線粒體遺傳病高危母親進行線粒體替代療法「在倫理上是允許的」，但必須要有一些限制條件。
  • 關於文獻綜述,這篇文章說透了!
    何為文獻綜述呢？文獻綜述是在確定了選題後，在對選題所涉及的研究領域的文獻進行廣泛閱讀和理解的基礎上，對該研究領域的研究現狀（包括主要學術觀點、前人研究成果和研究水平、爭論焦點、存在的問題及可能的原因等）、新水平、新動態、新技術和新發現、發展前景等內容進行綜合分析、歸納整理和評論，並提出自己的見解和研究思路的一種不同於畢業論文和研究論文的文體。
  • ...材料與技術國家工程實驗室在Chemical Reviews上發表封面綜述文章
    中國科學院大學（以下簡稱「國科大」）揮發性有機物汙染控制材料與技術國家工程實驗室在揮發性有機汙染物催化材料與技術研究方面的工作受到國際同行的廣泛關注。近期，該研究團隊受邀在Chemical Reviews期刊上發表以「 Recent Advances in the Catalytic Oxidation of Volatile Organic Compounds: A Review Based on Pollutant Sorts and Sources」為題目的綜述論文（2019, 119 (7), 4471-
  • 《自然-能源》、《自然-微生物學》和《自然綜述-材料》三刊齊發
    2016年1月12日，中國上海 ----《自然》系列期刊又增添三個新成員： Nature Energy（《自然-能源》）、Nature Microbiology（《自然-微生物學》）、Nature Reviews Materials（《《自然綜述-材料》》）。
  • 「未卜先知」、「自學成才」:GANs奇思妙想TOP10榜單
    然後，沿著坐標軸對圖像向量進行插值（https://zh.wikipedia.org/wiki/%E6%8F%92%E5%80%BC），我們就可以將這種「轉變」應用到新的人臉圖像上了。這一任務的技術含量相當高，一位藝術家可能要經過多年訓練才能到達穩定的水準。給出一件物品的輪廓，這一模型就能夠識別出這個物品，並能夠生成栩栩如生的物品圖像。
  • 工學院陳匡時課題組發表單分子DNA成像技術的綜述
    工學院生物醫學工程系陳匡時課題組在《基因組蛋白質組與生物信息學報》(Genomics Proteomics & Bioinformatics,IF = 6.6)發表綜述文章"Progress and Challenges for Live-cell Imaging of Genomic Loci Using CRISPR-based Platforms"
  • 醫學綜述的書寫
    橫式寫法適用於成就性綜述。這種綜述專門介紹某個方面或某個項目的新成就，如新理論、新觀點、新發明、新方法、新技術、新進展等等。因為是「新」，所以時間跨度短，但卻引起國際、國內同行關注，紛紛從事這方面研究，發表了許多論文，如能及時加以整理，寫成綜述向同行報導，就能起到借鑑、啟示和指導的作用。 （3）縱橫結合式寫法在同一篇綜述中，同時採用縱式與橫式寫法。
  • 論文文獻綜述怎麼寫
    文獻綜述是對某一領域某一方面的課題、問題或研究專題搜集大量情報資料，分析綜合當前該課題、問題或研究專題的最新進展、學術見解和建議，從而揭示有關問題的新動態、新趨勢、新水平、新原理和新技術等等，為後續研究尋找出發點、立足點和突約翰 W.克雷斯威爾（John W. Creswell）曾提出過一個文獻綜述必須具備的因素的模型。
  • 【最新綜述】合成孔徑雷達抗幹擾技術綜述
    點擊藍色「雷達學報」關注合成孔徑雷達（SAR）是一種有源遙感雷達系統，以其特有的合成孔徑技術，可以實現全天時全天候的高分辨成像，在戰場偵察、災害監測、
  • 文獻綜述類論文寫作秘籍
    搞清楚別人是否說過、說了什麼,是我們進行學術創新的重要基礎。3.前人是怎麼說的。在文獻綜述時不僅要綜述觀點,還要綜述研究方法(即別人是怎麼說的)。方法的發展和進步會在很多方面改變已有的觀點。例如,產業組織理論中博弈論研究分析方法的引入就改變了SCP框架下產生的很多觀點。隨著數據獲取途徑的增多和獲取技術的改進,總的來說,針對某一研究對象所使用的研究方法會越來越多。
  • 文獻綜述的主要特點以及內容要求
    本文中，我們一起來看下文獻綜述的主要特點以及針對文獻綜述的內容有哪些要求。學生畢業論文主要為專題性綜述。文獻綜述反映當前某一領域中某分支學科或重要專題的歷史現狀、最新進展、學術見解和建議，它往往能反映出有關問題的新動態、新趨勢、新水平、新原理和新技術等等。文獻綜述是針對某一研究領域分析和描述前人已經做了哪些工作，進展到何程度，要求對國內外相關研究的動態、前沿性問題做出較詳細的綜述，並提供參考文獻。
  • 畢業論文怎麼寫——文獻綜述,畢業論文怎麼寫文獻綜述?
    什麼是文獻綜述？文獻綜述是在對文獻進行閱讀、選擇、比較、分類、分析和綜合的基礎上，研究者用自己的語言對某一問題的研究狀況進行綜合敘述的情報研究成果。文獻的搜集、整理、分析都為文獻綜述的撰寫奠定了基礎。文獻綜述範文1中，研究者對有關研究領域的情況有一個全面、系統的認識和了解，對相關文獻作了批判性的分析與評論。對於正在從事某一項課題的研究者來說，查閱文獻資料有助於他們從整體上把握自己研究領域的發展歷史與現狀、已取得的主要研究成果、存在爭議的地方、研究的最新方向和趨勢、被研究者忽視的領域、對進一步研究工作的建議等。
  • 十個生成模型(GANs)的最佳案例和原理 | 代碼+論文
    GANs最先是由蒙特婁大學的Ian Goodfellow提出，已在圖像生成和風格遷移等領域獲得了巨大的成功，充分展示了「無監督學習」技術的潛力。GANs是如何工作的？「好奇心」驅動學習有如下三個大概的研究背景：1).極少的外部獎勵，與外部環境的相互作用遠遠少於期望值；2).不輸入外部獎勵,好奇心促使操作者的探索更有效；3).推廣到未接觸過的場景（例如同一遊戲的新關卡），從早期經歷獲得知識的操作者比從頭開始探索新地點的操作者學習要快得多。
  • 論文寫作之如何搞定文獻綜述
    文獻綜述反映當前某一領域中某分支學科或重要專題的歷史現狀、最新進展、學術見解和建議，它往往能反映出有關問題的新動態、新趨勢、新水平、新原理和新技術等等。文獻綜述是針對某一研究領域分析和描述前人已經做了哪些工作，進展到何程度，要求對國內外相關研究的動態、前沿性問題做出較詳細的綜述，並提供參考文獻。作者一般不在其中發表個人見解和建議，也不做任何評論，只是客觀概括地反映事實。
  • 復旦大學魯伯壎團隊綜述:降解技術的新概念 | 對話科學家
    「不可成藥」靶點藥物研發新技術撰寫綜述文章《降解技術的新概念》（Emerging New Concepts of Degrader Technologies），發表於Cell Press細胞出版社期刊綜述期刊 Trends in Pharmacological Sciences（IF=13.5）。
  • 高彩霞發表農業與植物生物技術中CRISPR-Cas應用綜述文章
    中國科學院遺傳與發育生物學研究所高彩霞研究組致力於植物基因組編輯技術創新及作物分子設計育種應用研究。近日，綜述期刊Nature Reviews Molecular Cell Biology在線發表該研究組綜述文章Applications of CRISPR–Cas in Agriculture and Plant Biotechnology。
  • Nature綜述新一代微生物學研究方法,單細胞水平生物技術「顯身手」
    此外，自然界中的微生物目前只有極少部分可以在實驗室中進行培養，仍有大量微生物無法通過傳統方法進行發掘和研究。在這篇綜述中，研究人員首先討論了新一代微生物生理學研究方法的一般概念，然後詳細描述了在不破壞研究細胞的情況下研究細胞表型的現有技術，並討論如何將這些方法與細胞分類技術和一系列強大的下遊應用相結合。
  • 簡述文獻綜述的寫作過程
    文獻綜述是對某一時期內某一學科，某一專業或技術的研究成果、發展水平以及科技動態等信息資料進行搜集、整理、選擇、提煉，並做出綜合性介紹和闡述的實用文體。在藍譯編譯看來，寫作文獻綜述不僅是積累科研資料的重要方法，也是了解有關專題的歷史現狀和發展趨勢，培養、鍛鍊組織材料，正確表達思想的有效途徑。
  • 物理學院王劍威在Nature Photonics發表綜述:集成光量子技術
    近日，北京大學物理學院現代光學所王劍威研究員與義大利羅馬大學Fabio Sciarrino教授、英國布里斯托大學Anthony Laing和Mark Thompson教授，受邀在國際著名刊物《自然-光子學》（Nature Photonics）上撰寫綜述文章
  • 國內外切削刀具塗層技術的發展綜述
    國內外切削刀具塗層技術的發展綜述 2006-01-24 00:00:00 來源：全球紡織網 　　切削刀具表面塗層技術是近幾十年應市場需求發展起來的材料表面改性技術。