生成对抗网络(GAN,Generative Adversatial Networks)是一种深度学习模型,近年来无监督学习上最具前景的方法之一。
模型主要通用框架有(至少)两个模块:生成模型(generative)和判别模型(Discriminative)的互相博弈学习产生的相当好的输出。
原始GAN理论中,并不要求G和D都是神经网络,但使用中一般均使用深度神经网络作为G和D。
所以GAN = (生成式模型 + 判别式模型)集两家之所长,生成对抗网络。Generative 生成式模型,Adversarial 对抗,相爱相杀的过程。
在训练过程中,生成网络G的目标就是尽量生成真实的图片去欺骗判别网络D,而D的目标就是尽量把真实图片和G生成的图片区别开来,这样G和D就构成了一个动态的博弈过程。理想状态下,G可以生成足以以假乱真的图片G(z)。对于D来说,它难以判定G生成的图片究竟是不是真实的,一次D(G(z)) = 0.5。
应用在
1、图像生成,目前GAN最常用的地方就是超分辨率任务,语义分割、图像风格化等等。
2、数据增强,例如还原老照片或老的视频,让其更清晰
网友回复
js如何流式输出ai的回答并折叠代码块,点击代码块右侧可预览代码?
ai大模型如何将文章转换成可视化一目了然的图片流程图图表?
大模型生成html版本的ui原型图和ppt演示文档的系统提示词怎么写?
rtsp视频直播流如何转换成websocket流在h5页面上观看?
为啥coze会开源工作流agent coze studio?
如何检测网页是通过收藏夹打开的?
python如何实现类似php的http动态脚本请求处理响应代码?
js如何实现类似php的http动态脚本请求处理响应代码?
trae与solo有啥区别不同?
vue如何让ai动态生成问卷调查多步骤表单式收集基础信息自动规划执行任务?