主题 |
内容
|
1.
GAN 入门 - Generative Models |
- Latent Factors
- Generative Models
|
2.
GAN 原理 |
- Discrimination and Generator
- Training GAN
- JS-Divergence
- Problems with GAN
|
3.
f-GAN 模型 - GAN 模型的同一框架 |
- Fenchel Conjugate
- f-Divergence
- Trainning: double loop vs single loop
- 多种 divergenc 函数 |
4.
Wasserstein GAN - WGAN |
- Problem with JS-Divergence
- Mode Collapse
- Earth-Mover Distance
- WGAN |
5.
SimGAN 逼真图像的生成 |
- SimGAN 架构
- SimGAN 的 Loss 函数
- 利用对抗历史
- 利用 local adversarial loss |
6.
InfoGAN - 可解释表示的 GAN |
- 潜因子与表象的互信息
- 现有 GAN 和 Domain 之间的矛盾
- 用无监督学习发现可解释的潜因子
- 带互信息正则项的 loss 函数
- 实现：用变分法进行训练
- 效果 |
7.
GAN for NLP |
- GAN在 NLP 中应用的困难
- Neural Response Generation via GAN |
