专栏首页机器学习与生成对抗网络综述推荐 | CV视觉中GAN的调研和分类

综述推荐 | CV视觉中GAN的调研和分类

0 前言

  • 前几天,一位英特尔的小伙伴给公众号发了他们最近更新的GAN综述论文,已经挂在arxiv上,总结得非常不错,今天强推一波!
  • Generative Adversarial Networks in Computer Vision: A Survey and Taxonomy
  • https://arxiv.org/pdf/1906.01529.pdf
  • 作者: Zhengwei Wang is with V-SENSE, School of Computer Science and Statistics, Trinity College Dublin, Dublin, Ireland. e-mail: villa.wang.zhengwei@gmail.com Qi She is with Intel Labs, Beijing, China. e-mail: qi.she@intel.com Tom´as E. Ward is with Insight Centre for Data Analytics, Dublin City University, Dublin, Ireland. e-mail: tomas.ward@dcu.ie
  • 本文不做详细解读,具体内容可参考原文。

1 概要

  • 过去几年,生成对抗网络(GAN)得到了广泛的研究;其最重要而明显的影响是在计算机视觉领域,如合理自然的图像生成,图像到图像的转换,人脸属性编辑等等。
  • 将GAN应用于实际问题,仍存在挑战,在此本文重点关注其中三个:(1)高质量的图像生成;(2)图像生成的多样性;(3)稳定的训练。
  • 本文对GAN相关研究的进展进行了详细回顾,讨论其在计算机视觉中引人注目的应用,并提出一些有关未来研究方向的建议。

2 典型网络结构

  • Fully-connected GAN (FCGAN)
  • Semi-supervised GAN (SGAN)

SGAN是在半监督学习的背景下提出的,与监督学习(其中每个样本都需要一个标签)和非监督学习(其中不提供标签)不同,半监督学习具有一小部分示例的标签。与FCGAN相比,SGAN的鉴别器是multi-headed的,即具有softmax和Sigmoid,以对真实数据进行分类并分别区分真实和生成样本。作者在MNIST数据集上训练SGAN,结果表明与原始GAN相比,SGAN中的鉴别器和生成器均得到了改进。

  • Bidirectional GAN (BiGAN)
  • Conditional GAN (CGAN)
  • InfoGAN
  • Auxiliary Classifier GAN (AC-GAN)
  • Laplacian Pyramid of Adversarial Networks (LAPGAN)
  • Deep Convolutional GAN (DCGAN)
  • Boundary Equilibrium GAN (BEGAN)
  • Progressive GAN (PROGAN)
  • Self-attention GAN (SAGAN)
  • BigGAN
  • Label-noise Robust GANs (rGANs)
  • Your Local GAN (YLG)
  • AutoGAN
  • MSG-GAN
  • 总结

3 代表性损失函数

  • Wasserstein GAN (WGAN)
  • WGAN-GP
  • Least Square GAN (LSGAN)
  • f-GAN
  • Unrolled GAN (UGAN)
  • Loss Sensitive GAN (LS-GAN)
  • Mode Regularized GAN (MRGAN)
  • Geometric GAN
  • Relativistic GAN (RGAN)
  • Spectral normalization GAN (SN-GAN)
  • RealnessGAN
  • Sphere GAN
  • Self-supervised GAN (SS-GAN)
  • 总结

4 常见应用

  • 数据增强
  • 图像合成
  • 视频生成
  • 特征生成

5 评估指标

6 未来&总结

GAN主要还是在图像视觉上有较大进展,NLP等领域相对滞后;一些其他数据模态例如时空序列等也相对探索较少;GAN的不良使用可能会对社会产生消极影响,例如在deepfake、伪造等方面进行恶意应用。

本文分享自微信公众号 - 机器学习与生成对抗网络(AI_bryant8),作者:bryant8

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2020-06-23

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 新手指南综述 | GAN模型太多,不知道选哪儿个?

    今天看到这么一个论文题目“A Novel Framework for Selection of GANs for an Application ”,这名字有、6...

    公众号机器学习与生成对抗网络
  • CVPR 2020 | 10篇改进GAN的论文(网络、训练、正则等)

    引入新的局部稀疏注意力层,保留二维几何形状和局部性,用这种结构替换SAGAN的密集注意力层即可获得显着的FID、Inception score和视觉效果。htt...

    公众号机器学习与生成对抗网络
  • 人脸生成新SOTA?它还是GAN。

    众所周知,GAN可分为无条件无监督式、条件监督式两大类;前者不需要标签,后者相反;

    公众号机器学习与生成对抗网络
  • 关于GAN的七个问题:谷歌大脑工程师带你梳理生成对抗网络的过去未来

    比起自己埋头写论文,聊聊自己感兴趣的方向,期待一下旁人的智慧,或许也是个不错的主意。

    量子位
  • GAN系列学习(1)——前生今世

    作者:刘威威 编辑:李文臣 1 1.GAN的 ‘前世’? 大家都知道GAN是Ian Goodfellow 2 014年放出的一篇开山之作,在深度学习界评价很高,...

    机器学习算法工程师
  • 以合成假脸、假画闻名的GAN很成熟了?那这些问题呢?| 技术头条

    【导语】过去两年,生成对抗网络(GAN)取得了飞速、充分的发展,尤其是应用于图像合成技术的模型,快到几乎让人跟不上,每隔一段时间,我们肯能就能看到应用在不同任务...

    AI科技大本营
  • 关于GAN的灵魂七问

    生成对抗网络在过去一年仍是研究重点,我们不仅看到可以生成高分辨率(1024×1024)图像的模型,还可以看到那些以假乱真的生成图像。此外,我们还很兴奋能看到一些...

    机器之心
  • 【学术】新的神经网络即将问世,它看起来很恐怖

    ? 这一切是怎么开始的? 生成式对抗网络进展 将典型的和经过良好研究的神经网络(如图像分类器)看作是神经网络技术的大脑左半球。考虑到这一点,很容易理解什么是生...

    AiTechYun
  • ​GAN的五大有趣应用

    “GAN”这个词是由Ian Goodfellow在2014年提出的,但相关概念早在1990年就存在了(Jürgen Schmidhuber开创),在Goodfe...

    磐创AI
  • 史上最全GAN综述2020版:算法、理论及应用

    论文地址:https://arxiv.org/pdf/2001.06937.pdf

    OpenCV学堂

扫码关注云+社区

领取腾讯云代金券