GAN

GAN(Generative Adversarial Network)は、二つ以上のネットワークを競わせ精度の高い画像生成を行うことができるネットワークモデル。これまでの生成モデルより大きく改善が見られ、様々な派生のネットワークが提案されている.

2017.9.3

205

Views
3

Watch
11

Knows

SAGAN(Self Attention Generative Adversarial Network)はACGANやSNGANでも扱う画像生成タスクにおいてSelf Attention機構を導入することで高精度な画像生成を実現したネットワーク.

ACGAN(Auxiliary Classifier Generative Adversarial Network)は、DCGANではランダムノイズ列から画像を作っていただけにすぎない学習に加えて、画像のクラスラベル情報をGeneratorに入力しDiscriminatorで補助的なクラス識別タスクを行うことで、高精度な画像を生成できたネットワーク.学習は128x128の画像を入力としてImageNetの画像を使用している.

pix2pixHDは複数の工夫を導入することでpix2pixでは256x256の画像生成であったのを2048x1024まで精度を改善したネットワーク.ResNetを使用したこと、ネットワーク構造を多段にすること、FeatureMatchingを採用したこと、マルチスケールの対応等の工夫を入れることで実現しています.

pix2pixはUNetとDCGANを組み合わせた汎用的な画像変換を学習することができるネットワーク.昼と夜の変換や航空写真と地図の変換等様々なタスクを行わせることができる.画像から画像の変換(Image to Image Translation)を行っているConditional GANの一種.

高解像度な顔画像の生成を達成したProgressive Growing of GANに関して紹介します.これまで256x256ほどのサイズだった画像生成を1024x1024の高解像度でかつ精度よく行えていることが特徴です.

制御パラメータを持つ教師なし学習を行うGAN. 入力のいくらかを制御用のパラメータとして、出力にも同様のパラメータを出すようなネットワークにすることで、入力と出力に強い関係をもたせている。

正式名はWasserstein GAN.GANの学習の不安定さを数学的に改善した。WGANを改良したWGAN-GPが近年用いられることが多い。

調整できるパラメータを持つGAN。多クラスの画像を生成する場合はクラスラベルを、MNISTを渡す場合は10個のベクトルをパラメータとして持たせる。

比較的新しく提案された画像変換を行うGAN. あるテーマの画像から別のテーマの画像に変換します.(下記は概要です.詳しくは論文を参照してください)

GANに様々な工夫を入れて学習の安定性や精度を向上させた技術.Convolution層系列のみを使用しているのが特徴.

近年注目されている画像等を生成するニューラルネットワークを用いた学習手法.二つのニューラルネットワークを使って片方の識別能力をあげる点が特徴.既にGANの改良系が数十種類提案されている.

GANの新規投稿

SAGAN(Self Attention Generative Adversarial Network)はACGANやSNGANでも扱う画像生成タスクにおいてSelf Attention機構を導入することで高精度な画像生成を実現したネットワーク.

ACGAN(Auxiliary Classifier Generative Adversarial Network)は、DCGANではランダムノイズ列から画像を作っていただけにすぎない学習に加えて、画像のクラスラベル情報をGeneratorに入力しDiscriminatorで補助的なクラス識別タスクを行うことで、高精度な画像を生成できたネットワーク.学習は128x128の画像を入力としてImageNetの画像を使用している.

pix2pixHDは複数の工夫を導入することでpix2pixでは256x256の画像生成であったのを2048x1024まで精度を改善したネットワーク.ResNetを使用したこと、ネットワーク構造を多段にすること、FeatureMatchingを採用したこと、マルチスケールの対応等の工夫を入れることで実現しています.

pix2pixはUNetとDCGANを組み合わせた汎用的な画像変換を学習することができるネットワーク.昼と夜の変換や航空写真と地図の変換等様々なタスクを行わせることができる.画像から画像の変換(Image to Image Translation)を行っているConditional GANの一種.

高解像度な顔画像の生成を達成したProgressive Growing of GANに関して紹介します.これまで256x256ほどのサイズだった画像生成を1024x1024の高解像度でかつ精度よく行えていることが特徴です.

制御パラメータを持つ教師なし学習を行うGAN. 入力のいくらかを制御用のパラメータとして、出力にも同様のパラメータを出すようなネットワークにすることで、入力と出力に強い関係をもたせている。

正式名はWasserstein GAN.GANの学習の不安定さを数学的に改善した。WGANを改良したWGAN-GPが近年用いられることが多い。

調整できるパラメータを持つGAN。多クラスの画像を生成する場合はクラスラベルを、MNISTを渡す場合は10個のベクトルをパラメータとして持たせる。

比較的新しく提案された画像変換を行うGAN. あるテーマの画像から別のテーマの画像に変換します.(下記は概要です.詳しくは論文を参照してください)

GANに様々な工夫を入れて学習の安定性や精度を向上させた技術.Convolution層系列のみを使用しているのが特徴.

近年注目されている画像等を生成するニューラルネットワークを用いた学習手法.二つのニューラルネットワークを使って片方の識別能力をあげる点が特徴.既にGANの改良系が数十種類提案されている.

GAN人気知識・質問

pix2pixHDは複数の工夫を導入することでpix2pixでは256x256の画像生成であったのを2048x1024まで精度を改善したネットワーク.ResNetを使用したこと、ネットワーク構造を多段にすること、FeatureMatchingを採用したこと、マルチスケールの対応等の工夫を入れることで実現しています.

ACGAN(Auxiliary Classifier Generative Adversarial Network)は、DCGANではランダムノイズ列から画像を作っていただけにすぎない学習に加えて、画像のクラスラベル情報をGeneratorに入力しDiscriminatorで補助的なクラス識別タスクを行うことで、高精度な画像を生成できたネットワーク.学習は128x128の画像を入力としてImageNetの画像を使用している.

pix2pixはUNetとDCGANを組み合わせた汎用的な画像変換を学習することができるネットワーク.昼と夜の変換や航空写真と地図の変換等様々なタスクを行わせることができる.画像から画像の変換(Image to Image Translation)を行っているConditional GANの一種.

SAGAN(Self Attention Generative Adversarial Network)はACGANやSNGANでも扱う画像生成タスクにおいてSelf Attention機構を導入することで高精度な画像生成を実現したネットワーク.

近年注目されている画像等を生成するニューラルネットワークを用いた学習手法.二つのニューラルネットワークを使って片方の識別能力をあげる点が特徴.既にGANの改良系が数十種類提案されている.

高解像度な顔画像の生成を達成したProgressive Growing of GANに関して紹介します.これまで256x256ほどのサイズだった画像生成を1024x1024の高解像度でかつ精度よく行えていることが特徴です.

調整できるパラメータを持つGAN。多クラスの画像を生成する場合はクラスラベルを、MNISTを渡す場合は10個のベクトルをパラメータとして持たせる。

GANに様々な工夫を入れて学習の安定性や精度を向上させた技術.Convolution層系列のみを使用しているのが特徴.

比較的新しく提案された画像変換を行うGAN. あるテーマの画像から別のテーマの画像に変換します.(下記は概要です.詳しくは論文を参照してください)

制御パラメータを持つ教師なし学習を行うGAN. 入力のいくらかを制御用のパラメータとして、出力にも同様のパラメータを出すようなネットワークにすることで、入力と出力に強い関係をもたせている。

正式名はWasserstein GAN.GANの学習の不安定さを数学的に改善した。WGANを改良したWGAN-GPが近年用いられることが多い。