原始GAN(GAN):最初的GAN是由Goodfellow等人于2014年提出的,包括一个生成器和一个判别器,通过对抗训练的方式学习生成数据分布。
条件GAN(CGAN):在原始GAN的基础上,将生成器和判别器的输入增加了条件变量,以此来控制生成器生成的样本。
无监督条件GAN(ACGAN):在条件GAN的基础上,引入了分类器,将判别器输出的结果既用于区分真实数据和生成数据,同时也用于区分不同的标签。
逆向生成模型(BiGAN):在原始GAN的基础上,将判别器输出的特征作为生成器的输入,以此来实现从特征向量到样本的生成。
可变形GAN(DeformableGAN):生成器和判别器都由可变形卷积模块组成,可以在生成和判别过程中学习到更加准确的空间变形。
生成式对抗流(Glow):Glow使用可逆流模型来建模数据分布,以此来实现更加高效的样本生成。
除了上述几种常见的GAN对抗网络外,还有一些其他的GAN变体,如WGAN、LSGAN、DRAGAN等等。这些GAN对抗网络在不同的应用场景下,可能会具有更好的性能和表现。
网友回复
视频大模型和最强文本大模型通过代码生成视频哪个性价比更高?
seedream5.5为啥无法将图白色背景修改成透明?
seedance2如何通过2张不同角度平视图来识别场景进行人物定位?
有没有免费的浏览器中离线运行的语音识别ai模型?
微信小程序个人版不交钱认证就不让你用二维码,报错"errcode":85411?
美丽国为啥要限制ai发展?
seedance2如何参考白模视频使用真实场景和人物生成新视频?
如何设定小孩看电视的时候每隔10分钟弹出一个题目,答对才能继续,答错继续下一题?
直播数字人根据公屏互动评论实时做出不用动作技术是什么?
未来ai文本大模型根据剧本直接生成像素风或三维白模或灰模粗糙场景动画html给视频大模型参考站位与运镜?


