关于对生成式对抗网络的研究-电子发烧友网

博弈中的一名玩家称为生成器, 它的主要工作是生成样本, 并尽量使得其看上去与训练样本一致.。另外一名玩家称为判别器, 它的目的是准确判断输入样本是否属于真实的训练样本. 一个常见的比喻是将这两个网络想象成伪钞制造者与警察. GAN的训练过程类似于伪钞制造者尽可能提高伪钞制作水平以骗过警察, 而警察则不断提高鉴别能力以识别伪钞. 随着GAN的不断训练, 伪钞制作者与警察的能力都会不断提高。

图 1 生成式对抗网络

相比以往的生成模型, GAN模型具有以下几点明显的优势: 一是数据生成的复杂度与维度线性相关, 对于较大维度的样本生成, 仅需增加神经网络的输出维度, 不会像传统模型一样面临指数上升的计算量; 二是对数据的分布不做显性的限制, 从而避免了人工设计模型分布的需要; 三是GAN生成的手写数字, 人脸, CIFAR-10等样本较VAE, PixelCNN等生成模型更为清晰.

图 2 GAN与传统方法的数据填补效果

图 3 iGAN的生成样例

GAN突出的生成能力不仅可用于生成各类图像和自然语言数据, 还启发和推动了各类半监督学习和无监督学习任务的发展. 结合GAN, 研究者在数据填报, 图像翻译, 数据合成, 模仿学习等诸多方面取得了突破性的进展.

图 4 图对图翻译

图 5 使用GAN合成数据训练机械臂

然而, 原始GAN模型也存在许多问题, 包括收敛困难, 无法生成离散数据, 难以评价等. 本文对GAN近年来的发展进行了综述, 对GAN在生成机制, 判别机制两方面的改进进行了介绍, 并梳理了其应用领域. 在此基础上, 本文还探讨了GAN与平行思想的关系.

图 6 本文组织结构

声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。举报投诉

神经网络

神经网络

+关注

关注
42

文章
4570

浏览量
98707

深度学习生成对抗网络（GAN）全解析

GANs真正的能力来源于它们遵循的对抗训练模式。生成器的权重是基于判别器的损失所学习到的。因此，生成器被它生成的图像所推动着进行训练，很难知道生成

发表于 03-29 14:42 •91次阅读

NVIDIA生成式AI研究实现在1秒内生成3D形状

NVIDIA 研究人员使 LATTE3D （一款最新文本转 3D 生成式 AI 模型）实现双倍加速。

发表于 03-27 10:28 •153次阅读

电信业对生成式AI的接受度与布局规模调查

电信公司正在采用 AI 和生成式 AI 来满足各种业务需求。总体而言，31% 的受访者表示，他们在 2023 年至少投资了六个 AI 用例，40% 的受访者计划在 2024 年扩展到六个或更多用例。

发表于 02-23 09:41 •179次阅读

生成式人工智能和感知式人工智能的区别

生成新的内容和信息的人工智能系统。这些系统能够利用已有的数据和知识来生成全新的内容，如图片、音乐、文本等。生成式人工智能通常基于深度学习技术，如生成对抗

发表于 02-19 16:43 •540次阅读

如何生成关于时钟同步功能的DTC？

如何生成关于时钟同步功能的DTC？时钟同步功能是指在一个系统内的多个时钟源进行同步，确保它们的时间保持一致。这在许多实时系统中都非常重要，特别是在需要多个设备或组件协同工作的场景中。若时钟同步

发表于 01-16 15:10 •169次阅读

计算机快速全息生成技术研究

快速生成全息图的研究还很匮乏。关于使用路径追踪以最小的计算工作量和更少的计算时间快速生成CGH的研究很少。

发表于 12-12 11:15 •242次阅读

NeurIPS 2023 | 如何从理论上研究生成式数据增强的效果？

界。基于通用的泛化界，我们进一步了探究了高斯混合模型和生成对抗网络的学习情况。在这两种情况下，我们证明了，虽然生成式

发表于 11-05 20:15 •386次阅读

图像分类的主流深度神经网络模型有哪些深度神经网络搜索方法总结

生成对抗网络（Generative adversarial net，GAN）是另一种常见的基于深度学习技术的生成模型，包括生成器和判别器2个组件，如图11。二者相互

发表于 10-12 10:24 •1067次阅读

基于代码生成的车身网络电控系统设计

电子发烧友网站提供《基于代码生成的车身网络电控系统设计.pdf》资料免费下载

发表于 10-08 14:28 •0次下载

无线传感器网络数据融合技术研究与仿真

无线传感器网络(wircless sensor network， wSN)是一种无基础设施的无线网络,最初来源于美国DARPA的研究项目，它综合了传感器技术.嵌入式计算技术、分布

发表于 09-21 08:18

做好准备，拥抱生成式 AI 的世界

生成式 AI 的时代已经来临。从 2022 年到 2024 年，生成式 AI 的采用率将增长近两倍。在未来两到三年内，对生成式 AI 的投资预计将增长四倍。在生成式 AI 洪流的裹

发表于 08-24 18:15 •376次阅读

生成式人工智能将如何影响网络安全领域的技能差距

目前，生成性人工智能对寻求招聘的网络安全高管来说是福是祸的问题基本上是无法回答的。这并没有阻止关于它可能如何改变网络安全专业人员工作的更广泛讨论。

发表于 08-08 16:55 •903次阅读

PyTorch教程-20.2. 深度卷积生成对抗网络

20.2. 深度卷积生成对抗网络¶ Colab [火炬]在 Colab 中打开笔记本 Colab [mxnet] Open the notebook in Colab Colab

发表于 06-05 15:44 •453次阅读

PyTorch教程20.2之深度卷积生成对抗网络

电子发烧友网站提供《PyTorch教程20.2之深度卷积生成对抗网络.pdf》资料免费下载

发表于 06-05 10:21 •2次下载

什么是生成式AI？生成式AI的四大优势

生成式AI是一种特定类型的AI，专注于生成新内容，如文本、图像和音乐。这些系统在大型数据集上进行训练，并使用机器学习算法生成与训练数据相似的新内容。这在各种应用程序中都很有用，比如创建艺术、音乐和聊天机器人

发表于 05-29 14:12 •2681次阅读