GANs最新综述论文: 生成式对抗网络及其变种如何有用【附pdf下载】

↑ 点击上方【计算机视觉联盟】关注我们

【导读】最近一期的计算机顶级期刊ACM Computing Surveys (CSUR)出版，涵盖最新的GANs综述论文,146篇参考文献， 本文的作者来自首尔大学数据科学与人工智能实验室的师生，研究方向为深度学习和机器学习。本综述论文介绍了GAN的原理和应用。

介绍

生成对抗网络（GAN）在机器学习领域受到广泛关注，因为它们有可能学习高维，复杂的实际数据分布。具体而言，它们不依赖于关于分布的任何假设，并且可以以简单的方式从潜在空间生成真实样本。这种强大的属性使GAN可以应用于各种应用，如图像合成，图像属性编辑，图像翻译，领域适应和其他学术领域。

在本文中,作者从各个角度探讨GAN的细节。此外，作者还解释了GAN如何运作以及最近提出的各种目标函数的基本含义。然后，作者将重点放在如何将GAN与自动编码器框架相结合。最后，作者列举了适用于各种任务和其他领域的GAN变体，适用于那些有兴趣利用GAN进行研究的人。

文章共分6个章节。

1. 文章结构概述

2. GAN的目标函数已经它各个部分是如何工作的；近几年新提出的目标函数

3. GAN如何应用于从低维数据表示中学习一个隐空间

4. GAN的实际应用领域

5. GAN为什么比其他模型好

6. 文章总结

文章部分内容

论文地址：

https://arxiv.org/abs/1711.05914

作者：Yongjun Hong,Uiwon Hwang,Jaeyoon Yoo,Sungroh Yoon

作者主页：

https://dblp.uni-trier.de/pers/hd/h/Hong:Yongjun

【pdf下载方式】：工号回复关键词【20190107】即可获取下载链接

声明：本文来源于网络，【专知】

如有侵权，联系删除

往期回顾

● 2018年12月精选文章目录一览

●  亲身经历2019年校招8个大厂心得体会，纯干货分享（大疆、百度...） ●  独家总结 | 一文读懂机器学习的“发展历程” (时间历程，详细又充实！) ●  人工智能相关领域的国际顶尖会议介绍 ●  2018年度最强的30个机器学习项目！