Ambient GAN (불분명한 이미지에 대한 GAN)
Untitled6 Ambient GAN¶ 1 Introduction¶1-1생성모델¶ 생성 모델은 대규모 데이터 세트의 구조를 간결하게 나타낼 수있는 강력한 도구 암시 적 생성 모델은 확률 분포로부터 샘플을 생성하기위한 확률 과정만을 지정하는 메커니즘 확률 분포에 대한 명시적 parameterization 필요 없음 명시적 생성 모델 vs 암시적 생성 모델 명시적 모델 $p(x)->probability,\ x:\ sample$ x가 나올 확률을 계산 해줌 암시적 모델 $f(z) -> x,\ x:\ sample,\ z:\ noise$ 랜덤 input z에 대해 x를 생성 1-2 GAN¶ GAN: 암시적 모델에서 뛰어난 성능 보여줌 geneartor: low-dimensional input -> high-di..
논문 정리
2018. 10. 1. 21:12
공지사항
최근에 올라온 글
최근에 달린 댓글
- Total
- Today
- Yesterday
링크
TAG
- 요약
- 한글
- Ambient GAN
- GAN
- 배치노말라이제이션
- 배치 정규화
- PGGAN
- attention gan
- batch normalization
- t-SNE
- 머신러닝
- Deep Learning
- growing
- 데이터 시각화
- self-attention
- self attention
- 정리
- stochastic neighborhood embedding
- high dimension
- SNE
- 고차원
- internal covariate shift
- No Free Lunch
- 한국어
- 설명
- Ambient
- self attention gan
- regularization
- progressive growing gan
- progressive
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | |||
5 | 6 | 7 | 8 | 9 | 10 | 11 |
12 | 13 | 14 | 15 | 16 | 17 | 18 |
19 | 20 | 21 | 22 | 23 | 24 | 25 |
26 | 27 | 28 | 29 | 30 | 31 |
글 보관함