以上這些圖片,大家分辨得出來哪些是機器產生的,哪些又是人拍攝或繪製的嗎? 答案是:全部都是機器產生出來的 這些是我用 Bing Image Creator 產...
今天要介紹的是生成對抗網路(generative adversarial network,簡稱 GAN)~ GAN 是一種用於解決生成任務的機器學習演算法,最早...
在詳細介紹 GAN 的理論前,想先補充一下條件生成的概念,以及如何訓練 GAN 以達到條件生成的目標~ 條件生成(conditional generation)...
今天進入到 GAN 的理論了,真是讓人既期待又害怕受傷害(? 在這裡為了簡化說明,所以都是以 unconditional GAN 為例子~ 視覺化的解釋 下圖是...
如同昨天文章的內容提到的,利用一個二元分類器作為 discriminator 和 generator 對抗,期望 generator 最終能學會產生近乎真實的影...
前幾天談的都是 GAN 生成影像的原理,那當我們訓練出 GAN 以後,要如何評估模型產生影像的表現並和其他生成模型比較呢? 人工判斷也許是最快能想到的方法。早期...
今天的文章應該是最後一篇與 GAN 有關的介紹~ 關於 GAN 的研究主題實在非常多,也持續跟隨著深度學習領域的突破而演進,很難在幾篇文章中涵蓋所有的內容(就算...
今天終於要開始介紹另一個生成模型了!那就是 variational auto-encoder,簡稱 VAE 不過在開始解釋 VAE 是什麼之前,先來說明一下 a...
接續前一天的文~在 [Day 8] 簡介 variational auto-encoder (VAE) 有提到,我們可以在 VAE 學出來的 code spac...
接下來要進入到 VAE 的重頭戲,數學原理的解釋與推導 其實從前兩天的文章應該已經能瞭解 VAE 如何運作、有什麼特點,如果真的很排斥數學,好像可以先左轉離開(...