密歇根大学28页最新《GANs生成式对抗网络综述:算法、理论与应用》最新论文,带你全面了解GAN技术趋势...
来源:专知
【导读】生成式对抗网络(Generative Adversarial Networks,GANs)作为近年来的研究热点之一,受到了广泛关注,每年在机器学习、计算机视觉、自然语言处理、语音识别等上大量相关论文发表。密歇根大学Jie Gui博士等人近期发布了《A Review on Generative Adversarial Networks: Algorithms, Theory, and Applications》,包括28页pdf,这篇综述论文对460余篇论文进行了尝试从算法,理论和应用的角度对各种GANs方法进行叙述。
题目:A Review on Generative Adversarial Networks: Algorithms, Theory, and Applications
作者:Jie Gui, Zhenan Sun, Yonggang Wen, Dacheng Tao, Jieping Ye
【摘要】生成对抗网络(GANs)是最近的热门研究主题。自2014年以来,人们对GAN进行了广泛的研究,并且提出了许多算法。但是,很少有全面的研究来解释不同GANs变体之间的联系以及它们是如何演变的。在本文中,我们尝试从算法,理论和应用的角度对各种GANs方法进行叙述。首先,详细介绍了大多数GANs算法的动机,数学表示形式和结构。此外,GANs已与其他机器学习算法结合用于特定应用,例如半监督学习,迁移学习和强化学习。本文比较了这些GANs方法的共性和差异。其次,研究了与GANs相关的理论问题。第三,说明了GANs在图像处理和计算机视觉,自然语言处理,音乐,语音和音频,医学领域以及数据科学中的典型应用。最后,指出了GANs未来的开放性研究问题。
论文地址:
https://www.zhuanzhi.ai/paper/8b531e33d7c934d81892a029bc080a9c
https://arxiv.org/abs/2001.06937
1. 概述
对抗生成网络已经成为了一个研究热点。深度学习领域的传奇人物Yann LeCun 在Quora上发帖称:“GANs是过去10年机器学习领域最有趣的想法。”从谷歌学术上可以发现,有大量和GANs相关的论文。例如,2018年大约有11800篇关于GANs的论文。也就是说,2018年,每天大约有32篇论文,每小时有超过一篇论文与GANs有关。GANs有两部分组成:生成器和判别器。这两个模型都由神经网络实现,该系统可以将数据从一个空间映射到另一个空间。生成器尝试捕获真实数据的分布,以生成新的数据。鉴别器通常是一个二进制分类器,要求尽可能准确地从真实的例子中鉴别出生成的例子。GANs的优化是一个最大最小优化问题。优化终止于一个鞍点,该鞍点相对于生成器是最小值,相对于鉴别器是最大值。也就是说,当优化达到Nash equilibrium的目标时,这时可以认为生成器捕获了真实数据的真实分布。本文和先前的关于GANS的综述之间的区别主要有以下几点:
1)GANs的具体应用:将GANs用于诸如图像合成和编辑,音频增强和合成等具体领域。
2)关于GANs的综合评述:最早关于GANs的相关综述是Wang et al.整理的,该论文主要介绍了2017年以前GANs 的发展进程。Z.Wang所作的“Generative adversarial networks: A survey and taxonomy”主要介绍了GANs在计算机视觉领域中的各种变体以及变体的损失函数。
到目前为止,本文是第一个从算法,理论和应用的角度为GANs提供一个全面的综述,并且介绍了GANs的最新的进展。再者,我们不仅关注GANs在图像处理和计算机视觉上的应用,而且关注了GANs在诸如自然语言处理和其他如医疗领域等相关领域中的序列数据上的应用。
2.章节内容
章节1:论文摘要和介绍
章节2:介绍相关工作
章节3-5:分别从算法,理论和应用的角度介绍GCNs
章节6:对开放性问题进行探讨
章节7:总结
3. 各种相关的GANs算法
在章节3中,我们首先介绍原始的GANs。然后介绍各种具有代表性的变体和GANs的训练,评估方式以及任务驱动的GANs(如下图所示)。
GAN代表性算法
4. GANs的具体应用
GANs是一个强有力的生成式模型,该模型可以用一个随机向量生成看起来完全和真实样例一样的数据。训练过程中我们既不需要明确的知道真实数据的分布也不需要任何数学假设。基于GANs的显著优势,GANs被广泛应用于图像处理,计算机视觉和序列数据上(具体见下表)。
5. GANs的开放研究问题
离散数据GAN GANs for discrete data
New Divergences
不确定性估计 Estimation uncertainty
理论 Theory
其他
部分论文展示:
未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能,互联网和脑科学交叉研究机构。
未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)云脑研究计划,构建互联网(城市)云脑技术和企业图谱,为提升企业,行业与城市的智能水平服务。
如果您对实验室的研究感兴趣,欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”
密歇根大学28页最新《GANs生成式对抗网络综述:算法、理论与应用》最新论文,带你全面了解GAN技术趋势...相关推荐
- 生成式对抗网络GAN必读十篇论文(附论文和代码地址)
目录索引 一.DCGAN 二.Improved Techniques for Training GANs 三.Conditional GANs 四.Progressively Growing of G ...
- 生成式对抗网络(GANs)综述
GAN GAN简介 生成式对抗网络(Generative adversarial networks,GANs)的核心思想源自于零和博弈,包括生成器和判别器两个部分.生成器接收随机变量并生成" ...
- GANs系列:GAN生成式对抗网络原理以及数学表达式解剖
一.GAN介绍 生成式对抗网络(GAN, Generative Adversarial Networks )是一种深度学习模型,是近年来复杂分布上无监督学习最具前景的方法之一.模型通过框架中(至少)两 ...
- 生成式对抗网络(Generative Adversarial Networks,GANs)
1. 简介 首先简要介绍一下生成模型(Generative model)与判别模型(Discriminative mode)的概念: 生成模型:对联合概率进行建模,从统计的角度表示数据的分布情况,刻画 ...
- 生成式对抗网络(GANs)及变体
生成式对抗网络GANs及变体 1.基础GAN 2.条件生成对抗网络(cGAN) 3.Wasserstein GAN (WGAN) WAN-GP (improved WGAN) 3.Unsupervis ...
- 生成式对抗网络(Generative Adversarial Networks, GANs)
1 原始的 GANs 1.1 GANs 的结构 GANs 的结果图如下所示: 生成式对抗网络 GANs 最重要的两个部分为: 生成器(Generator) :用于生成"假"样本.生 ...
- 生成式对抗网络模型综述
生成式对抗网络模型综述 作者:张真源 GAN GAN简介 生成式对抗网络(Generative adversarial networks,GANs)的核心思想源自于零和博弈,包括生成器和判别器两个部分 ...
- (转)【重磅】无监督学习生成式对抗网络突破,OpenAI 5大项目落地
[重磅]无监督学习生成式对抗网络突破,OpenAI 5大项目落地 [新智元导读]"生成对抗网络是切片面包发明以来最令人激动的事情!"LeCun前不久在Quroa答问时毫不加掩饰对生 ...
- 生成式对抗网络GAN(一)—基于python实现
基于python实现生成式对抗网络GAN 构建和训练一个生成对抗网络(GAN) ,使其可以生成数字(0-9)的手写图像. 学习目标 从零开始构建GAN的生成器和判别器. 创建GAN的生成器和判别器的损 ...
最新文章
- list字母排序 java_通过Java排序List集合的元素的几种方法
- android binder
- MySQL优化学习总结
- Eureka简介与Eureka Server上
- python正则表达式操作指南_第二篇详细Python正则表达式操作指南(re使用)
- SpringBoot 之 跳转页面的几种方法
- ubuntu安装eclipse java环境变量配置_【Linux学习】Ubuntu下安装JDK以及配置环境,和eclipse的下载...
- CSS:单行文本溢出省略号替代,多行文本溢出省略号替代
- python 时间序列异常值_干货 :时间序列异常检测
- RecordCount = -1问题
- dmz和端口映射_无线路由大讲堂:端口映射触发与DMZ主机
- 通过log查看camera sensor型号
- 入行数据分析要知道什么是概括性度量
- STM32实现的语音识别的智能垃圾桶
- 爬虫-招聘系列2----boss某直聘
- C/C++ 函数(最大公约数)
- 风暴英雄修改服务器,风暴英雄已支持全球各服务器切换 国服不包含在内
- 10-8 猫和狗 : 创建两个文件cats.txt和dogs.txt, 在第一个文件中至少存储三只猫的名字, 在第二个文件中至少存储三条狗的名字。 编写一个程序, 尝试读取这些文件, 并将其内容打印到
- AAC音频文件添加ADTS头
- vivo联合天猫超品日共同打造X70系列城市影像馆
热门文章
- 详解AI加速器(最终篇):给想进入赛道的玩家一些建议
- 强者愈强!疫情拉大“数据资产”贫富差距,顶级公司数据建设靠什么
- 手把手教你在Python中实现文本分类(附代码、数据集)
- 2.5 亿!华为成立新公司!
- 2021年两院增选149名院士:最小45岁,浙大5人入选
- 注意力机制又一大作!DCANet:学习卷积神经网络的连接注意力
- 【玩转数据】让您的PPT数据图表炫酷起来吧!
- python snmp 交换机 配置文件_如何使用python从SNMP获取数据?
- 管理者的智慧:靠制度管人,不靠人管人
- 数据准备技巧及其对机器学习的重要性