GAN Theory

Modifyingthe Optimization of GAN

题目

内容

GAN

 

DCGAN

 

WGAN

 

Least-square GAN

 

Loss Sensitive GAN

 

Energy-based GAN

 

Boundary-seeking GAN

 

Unroll GAN

 

Different Structure from the Original GAN

题目　　　　　　　　　　　　　

内容

Conditional GAN

 

Semi-supervised GAN

 

InfoGAN

 

BiGAN

 

Cycle GAN

 

Disco GAN

 

VAE-GAN

 

LAPGAN

 用了多个GAN可生成高分辨率图像

 

GAN Application

pix2pix

题目　　

内容

Image-to-Image Translation with Conditional Adversarial Networks

 image2image、paired Image-to-Image Translation 

High-Resolution Image Synthesis and Semantic Manipulation with Conditional GANs

 

image2imageHD、paired Image-to-Image Translation 

CycleGAN

 Unpaired Image-to-Image Translation 

Disco GAN

 侧重分析双向映射，或者说 bijective mapping 的约束：避免 mode collapse 进而提升生成样本质量的

DualGAN

 生成器和判别器都和pix2pix一样。 用了wgan来训练。

注：最后三篇论文的想法十分相似，几乎可以说是孪生三兄弟

 

text2image

题目　　

内容

 

人脸生成

题目　　

内容

Face-generator - Generate human faces with neural networks

 

Beyond Face Rotation: Global and Local Perception GAN for Photorealistic and Identity Preserving Frontal View Synthesis

根据单一侧脸生成正面逼真人脸

NEURAL FACE

 use DCGAN、链接：https://carpedm20.github.io/faces/

注：DCGAN、WGAN这类都可以生成人脸

 

   

按生成的图片种类分

题目　　

内容

生成卧室

DCGAN、WGAN

生成动漫头像

DCGAN

转载于:https://www.cnblogs.com/tenderwx/p/8448134.html

相关资源：数据结构—成绩单生成器