2019-08-27 20:48:57

作者：Jonathan Hui
编译：ronghuaiyang

导读

GANs被称为是深度学习“过去20年内在深习上最酷的想法”，既然是最酷的想法，那就会有最酷的应用，一起来看看吧！

在GAN发展的头几年，我们取得了令人印象深刻的进展。再也不是恐怖电影里那种邮票大小的面部照片了。在2017年，GAN生成的1024×1024的图像可以让星探上当。在未来几年，我们可能会看到GANs生成的高质量视频。商业应用将会出现！作为GAN系列的一部分，我们将研究一些很酷的应用，并希望它们能够成为你的GAN应用的灵感来源。

创造动漫人物

游戏开发和动画制作成本高昂，需要雇佣许多艺术家来完成相对常规的任务。GAN可以自动生成动画角色并为其上色。

生成器和判别器由多个卷积层、batch normalization和带跳跃连接的ReLU层组成。

人物姿态图像生成

通过额外的姿态输入，我们可以将图像转换成不同的姿态。例如，右上角的图像是ground truth，右下角的图像是生成的图像。

下面的是生成的图像。

这个设计由两级图像生成器和判别器组成。生成器使用元数据(姿态)和原始图像来重建图像。判别器使用原始图像作为CGAN设计的标签输入的一部分。

CycleGAN

跨域转换GANs很可能是第一批的商业应用。这些GANs将图像从一个领域(如真实的风景)变换到另一个领域(莫奈或梵高的绘画)。

例如，它可以在斑马和马之间转换图像。

CycleGAN构建2个网络G和F，构建从一个域到另一个域以及相反方向的图像变换。它使用判器来判断生成的图像的好坏。例如，G将真实图像转换为梵高风格的绘画，Dy用于区分图像是真实的还是生成的。

域A➝域B：

我们在相反的方向域B➝域A重复这个过程：

PixelDTGAN

时尚博主和电子商务已经开始流行根据名人照片来推荐商品。PixelDTGAN可以从一张图像来创建服装图像和样式。

PixelDTGAN

超分辨率

从低分辨率创建超分辨率图像。在这一领域，GAN表现出了令人印象深刻的成果，并具有即刻的商业可能性。

SRGAN

与许多GAN设计类似，它由许多卷积层、batch normalization、高级ReLU和skip连接组成。

SRGAN

渐进生成的GANs

渐进式GAN可能是第一个展示商业级图像质量的GAN。下面是由GAN生成的1024×1024的名人图片。

Progressive growing of GANs

它采用分治策略，使训练更加可行。一次训练构建2×分辨率的图像。

9个阶段，生成一个1024×1024的图像。

Progressive growing of GANs

高分辨率图像生成

这不是图像分割！而是反过来，从语义映射生成图像。收集样本是非常昂贵的。我们尝试用生成的数据来补充训练数据集，以降低开发成本。在训练自动驾驶汽车的过程中生成视频，而不是看着它们在你的社区里巡航，这将非常方便。

网络设计：

pix2pixHD

Text to image (StackGAN)

文本到图像是域转换GAN较早的应用之一。我们输入一个句子并生成多个符合描述的图像。

StackGAN

文本到图像的生成

另一个流行的实现：

Generative Adversarial Text to Image Synthesis

人脸生成

合成不同姿势的人脸：用一张输入图像，我们创建不同视角的人脸。例如，我们可以使用它来转换图像，这将更容易进行人脸识别。

TP-GAN

图像修复

修复图像是几十年前的一个重要课题。GAN用于修复图像，并用创建的“内容”填充缺失的部分。

Context encoder

学习联合分布

用不同的面部特征组合(金发，女性，微笑，戴眼镜)，(棕色，男性，微笑，不戴眼镜)创建GANs是很昂贵的…相反，我们可以学习单独的数据分布，并将它们组合成不同的分布。即不同的属性组合。

CoGAN

DiscoGAN

DiscoGAN提供了风格的匹配：许多潜在的应用。disco学习跨域的关系，没有标签或配对。例如，它成功地将样式(或模式)从一个域(手袋)变换到另一个域(鞋子)。

DiscoGAN

Discgan和CycleGAN在网络设计上非常相似。

DiscoGAN

Pix2Pix

Pix2Pix是一种图像到图像的转换，经常在GAN的跨域论文中被引用。例如，它将卫星图像转换为地图(左下角)。

DTN

从图片中创建表情符号。

DTN

纹理生成

MGAN

图像编辑 (IcGAN)

重建或编辑具有特定属性的图像。

IcGAN

Face aging (Age-cGAN)

Age-cGAN

Neural Photo Editor

基于内容的图像编辑：例如，扩展发带。

Refine image

物体检测

这是用GAN增强现有解决方案的一个应用。

Perceptual GAN

图像融合

把图像融合在一起。

GP-GAN

视频生成

创建新的视频序列。它识别什么是背景，并为前台操作创建新的时间序列。

生成3D物体

这是一篇经常引用的用GAN创建3D对象的文章。3DGAN

3DGAN

音乐生成

GAN可以应用于非图像领域，如作曲。

MidiNet

医疗(异常检测)

GAN还可以扩展到其他行业，如肿瘤检测领域。

AnoGAN

英文原文：https://medium.com/@jonathan_hui/gan-some-cool-applications-of-gans-4c9ecca35900

一些非常酷的GAN的应用相关推荐

Pytorch生成对抗网络（GAN）官方入门教程
目录引言(Introduction) 生成对抗网络(Generative Adversarial Networks) 什么是GAN?(What is a GAN?) 什么是DCGAN?(What i ...
Ian Goodfellow回忆GAN诞生故事：几杯啤酒喝出“20年来最酷的深度学习想法”
当Ian Goodfellow解释他在谷歌大脑所做的研究时,他引用了原子物理学家.加州理工学院教授兼畅销书作家的这句格言.但是,Goodfellow不是指自己,也不是Google内的任何其他人.他谈论 ...
BigBiGAN问世，“GAN父”都说酷的无监督表示学习模型有多优秀？
作者 | Jeff Donahue.Karen Simonyan 译者 | Lucy.一一出品 | AI开发者大本营(ID:rgznai100) 众所周知,对抗训练生成模型(GAN)在图像生成领域获 ...
基于生成对抗网络（GAN）的人脸变形（附链接） | CSDN博文精选
扫码参与CSDN"原力计划" 翻译 | 张一豪校对 | 吴金笛来源 | 数据派THU *点击阅读原文,查看「CSDN原力计划」详细说明. 本文详细介绍了生成对抗网络(GAN)的 ...
面试官：原生GAN都没复现过，自己走还是我送你？
在近20年,GAN可以算是深度学习中最酷的想法. 而GAN的应用落地也已经非常广泛,包括图像生成(超分辨率).语义分割.文字生成.数据增强.信息检索/排序.聊天机器人等,还有近期席卷B站的AI视频换脸 ...
这是我见过的GAN的最佳用法！
点击上方"视学算法",选择加"星标"或"置顶" 重磅干货,第一时间送达子豪发自凹非寺量子位报道 | 公众号 QbitAI 用GAN ...
把梯度下降算法变成酷炫游戏，这有一份深度学习通俗讲义
公众号关注 "视学算法" 设为"星标",第一时间知晓最新干货~ 晓查发自凹非寺转载自量子位 | 公众号 QbitAI 让小球滚下山坡,找到它们分别落在哪个 ...
十个效果酷炫的Linux系统操作指令（像黑客帝国般的效果~）
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达想想电影黑客帝国中的画面,估计会令很多人都叹为观止,其实最简单的只 ...
酷炫的深度学习网络图怎么绘制出来的？
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达本文我们聊聊如何才能画出炫酷高大上的神经网络图,下面是常用的几种工 ...

一些非常酷的GAN的应用

导读

创造动漫人物

人物姿态图像生成

CycleGAN

PixelDTGAN

超分辨率

渐进生成的GANs

高分辨率图像生成

Text to image (StackGAN)

文本到图像的生成

人脸生成

图像修复

学习联合分布

DiscoGAN

Pix2Pix

DTN

纹理生成

图像编辑 (IcGAN)

Face aging (Age-cGAN)

Neural Photo Editor

Refine image

物体检测

图像融合

视频生成

音乐生成

医疗(异常检测)

一些非常酷的GAN的应用相关推荐

最新文章

热门文章