• 相关博文
  • 最新资讯
加载中...
  • Github开源趋势榜Top 1:英伟达升级发布二代StyleGAN,效果更完美

    近日,英伟达再次公开最新论文《Analyzing and Improving the Image Quality of StyleGAN》,通过对 StyleGAN 的生成效果分析,对不完美的工作设计了改进和优化方法,提出新一代 StyleGAN,效果更上一层楼,生成图像的质量堪称完美。

    GAN
    2019.12.17 0
  • 无需标注数据,利用辅助性旋转损失的自监督GANs,效果堪比现有最好方法

    本文作者提出了一种自检督方式的生成对抗网络,通过辅助性的旋转损失来达到目的。因为通常主流方法来生成自然图像都是通过条件GAN来完成,但是这就需要很多的标签数据。这些标签数据会需要耗费大量时间和精力。因此无监督方法的提出,能有效提升效率节省大量时间和精力。作者探索了两个主流的无监督的学习方法,分别是对抗训练和自监督。进一步的,这两种方法会拉近无监督学习和监督学习的距离。

  • 一张图生成定制版二次元人脸头像,还能“模仿”你的表情

    最近,日本一位酷爱 Vtubers的粉丝结合了此前发表的多项 GAN 工作制作了两个动漫人物生成器的工具,这两个工具一个可以帮助广大动漫迷们快速、轻松的生成带有不同姿态的动漫人物形象,另一个可以帮助大家把真人脸表情移植到动漫人物上,以后你也可以定制你的“动漫Twins姐妹 / 兄弟”了。

    GAN
    2019.12.02 0
  • 从一张风景照中就学会的SinGAN模型,究竟是什么神操作?| ICCV 2019最佳论文

    10 月 27 日-11 月 2 日,计算机视觉领域的顶级会议 International Conference on Computer Vision(ICCV)在首尔召开,10 月 29 日在大会上正式公布了最佳论文奖(Best Paper Award)由论文《SinGAN:从单张图像学习生成模型》(SinGAN: Learning a Generative Model from a Single Natural Image)获得,该论文介绍了一种无条件生成模型——SinGAN,它可以从单个自然图像中学习。该模型经过训练,可以捕获图像内斑块的内部分布,之后生成高质量、多样化的样本,视觉内容与原图像相同。用户研究证实,生成的样本通常可以假乱真,SinGAN 在各种图像处理任务中具有广泛的实用性。

    2019.11.06 0
  • ICCV 2019 | 中国研究者无缘最佳论文奖项,接收论文数量超美国,商汤57篇论文入选...

    10 月 27 日-11 月 2 日,计算机视觉领域的顶级会议 International Conference on Computer Vision(ICCV)在首尔召开,10 月 29 日在大会上正式公布了最佳论文奖(Best Paper Award)由论文《SinGAN:从单张图像学习生成模型》(SinGAN: Learning a Generative Model from a Single Natural Image)获得,最佳学生论文奖(Best Student Paper Award)则由《PLMP——完整的多视图可见性中的点线最小问题》(PLMP——Point-Line Minimal Problems in Complete Multi-View Visibility)获得。

    2019.10.30 0
  • 无需成对示例、无监督训练,CycleGAN生成图像简直不要太简单

    图像到图像的转换技术一般需要大量的成对数据,然而要收集这些数据异常耗时耗力。因此本文主要介绍了无需成对示例便能实现图像转换的 CycleGAN 图像转换技术。文章分为五部分,分别概述了:图像转换的问题;CycleGAN 的非成对图像转换原理;CycleGAN 的架构模型;CycleGAN 的应用以及注意事项。

    2019.08.23 0
  • 关于知识蒸馏,这三篇论文详解不可错过

    本篇文章主要介绍17年图森发布的文章Neuron Selectivity Transfer,对Attention和Gram矩阵做出总结,使用CGANs来做KD的方法以及介绍KD用于非模型压缩目的互相学习(Mutual Learning)和再生网络(Born Again NN)。

    2019.07.29 0
  • 又是GAN!这个AI让周杰伦、罗永浩“变脸”古典画像

    MIT-IBM Watson AI 实验室的研究人员近日也研发了一款类似的 AI,在 aiportraits.com 这个网站上,用户只要上传自拍照就可以由 AI 生成专属的古典艺术肖像。

    2019.07.24 0
  • BigBiGAN问世,“GAN父”都说酷的无监督表示学习模型有多优秀?

    DeepMind近日发布了一篇论文《Large Scale Adversarial Representation Learning》(大规模对抗性表示学习),提出了无监督表示学习新模型BigBiGAN。

    2019.07.10 0
  • 基于GAN的图像水印去除器,效果堪比PS高手

    今天的文章中,我们会介绍一种更为强大的水印去除器。这次我们借助生成对抗网络来实现,进一步提升水印去除器的性能,从而达到更为理想的去除效果。

  • ICLR 2019最佳论文揭晓!NLP深度学习、神经网络压缩夺魁 | 技术头条

    ICLR 是深度学习领域的顶级会议,素有深度学习顶会 “无冕之王” 之称。今年的 ICLR 大会将于5月6日到5月9日在美国新奥尔良市举行,大会采用 OpenReview 的公开双盲评审机制,共接收了 1578 篇论文:其中 oral 论文  24 篇 (约占 1.5%),poster 论文共 476 篇 (占30.2%)。在这些录用的论文中,深度学习、强化学习和生成对抗网络 GANs 是最热门的三大研究方向。

  • 以合成假脸、假画闻名的GAN很成熟了?那这些问题呢?| 技术头条

    过去两年,生成对抗网络(GAN)取得了飞速、充分的发展,尤其是应用于图像合成技术的模型,快到几乎让人跟不上,每隔一段时间,我们肯能就能看到应用在不同任务中的新变体。本文介绍了关于 GAN 模型我们还要可以深入了解、探讨的一些问题。

  • 17篇论文入选CVPR 2019,百度AI都在关注什么?(附论文地址)

    计算机视觉和模式识别大会CVPR 2019即将于6月在美国长滩召开,作为人工智能领域计算机视觉方向的重要学术会议,CVPR每年都会吸引全球最顶尖的学术机构和公司的研究人员投稿。 CVPR官网显示,今年有超过5165篇的大会论文投稿,最终录取1299篇,录取率约为25%。据了解,去年的CVPR 2018共有979篇论文被主会收录,录用率约为29%。相比2018,今年的竞争更加激烈。 今年百度公司有17篇论文被CVPR接收,内容涵盖了语义分割、网络剪枝、ReID、GAN等诸多方向,而且很多技术的落地场景都涉及无人驾驶。现在我们就来带大家看下百度入选CVPR 2019的17篇论文。