Sep, 2016

描述者与生成器网络的协同训练

PDF
TL;DR本文研究了两个生成模型的协作训练，利用卷积神经网络 (ConvNets) 来进行图像建模和合成，并探究了如何将 MCMC 采样算法无缝地融入协作学习算法中，成功地实现了两个模型的同步训练，从而学习到高度真实的生成模型。
发现论文，激发创造
  • 通过交替 MCMC 教学学习循环一致的合作网络，实现无监督跨领域翻译

    本文提出了一个基于生成协作网络的框架用于无监督领域间翻译问题，并通过 MCMC teaching 实现了对领域模型的最大似然学习，包含能量模型和潜变量模型，并使用 Langevin 修订算法进一步优化结果。实验结果表明该框架可用于无监督图像到图像和无配对图像序列转换。

    Mar, 2021

  • 通过多重网格建模和采样学习能量模型作为生成卷积神经网络

    本文提出了一种多网格方法，用于学习基于能量的图像生成 ConvNet 模型，展示了其在生成更逼真的图像方面优于原始的对比散度和连续对比散度。

    Sep, 2017

  • 具有能量分布概率评估的深度有向生成模型

    本论文提出了一种利用生成对抗网络（GAN）和基于深度神经网络的生成模型来代替 MCMC 模型的方法，通过训练这种模型生成的采样分布近似匹配待训练的能量函数。

    Jun, 2016

  • 面向多领域图像转换的增量能量协作学习

    本文研究了一种新型一种基于能量的协作学习框架，用于多领域图像到图像的转换。该框架由描述符、翻译器、样式编码器和样式生成器四个组成部分组成，能够实现一个到多个的转换。该框架通过多领域 MCMC 教学共同训练多领域的描述符和多样化的图像生成器。

    Jun, 2023

  • 生成协作网络用于自然语言生成

    本文介绍了一种使用协作式判别器架构来生成逼真文本样本的生成合作网络方法，并通过各种有效的解码方案实现了两项主要 NLG 任务的最优结果。

    Jan, 2022

  • 生成型 ConvNet 的理论

    本文介绍了一种基于自编码器和多类别分类卷积神经网络的生成式 ConvNet 模型，该模型可以用于合成真实自然图像模式。

    Feb, 2016

  • 学习描述符网络用于三维形状合成和分析

    本文提出了一种 3D 形状描述符网络，是一种深度卷积能量模型，可以用于建模体积形状模式，并可以通过 MCMC 模拟实现生成真实的 3D 形状模式并用于 3D 形状分析和恢复。

    Apr, 2018

  • 自协同学习：生成器与鉴别器之间的协作

    本文提出了一种自洽学习的框架，利用生成对抗网络的生成模型和判别模型的博弈优化，使两者协同训练，避免了 GAN 训练不稳定的问题，并在句子语义匹配问题上实现了较好的性能。

    Mar, 2023

  • 卷积神经网络的生成建模

    本文研究了 CNN 的生成建模和渐进预训练方法，并提出了一种基于重要性采样的生成梯度和一种采样图像的可视化方法，实验证明这些方法能够有效提高 CNN 性能并生成真实且多样化的图像样本。

    Dec, 2014

  • 通过双 MCMC 教学学习基于能量的模型

    本文研究了基于能量的模型（EBM）的基本学习问题，通过最大似然估计（MLE）和生成模型的联合训练来提高 EBM 的学习效果。

    Dec, 2023