May, 2023

基于卷积块注意力生成对抗网络的采样路径规划

PDF
TL;DR本文提出了一种基于图像学习的路径规划算法（CBAGAN-RRT），使用卷积块注意力生成对抗网络（CBAGAN）及新型损失函数设计启发式规则以找到更佳的优化路径，提高算法收敛性能，在路径生成质量与时间成本等方面优于现有算法，且可以适应复杂环境，并可方便地与其他基于采样的路径规划算法集成。
sampling-based path planningautonomous roboticsimage-based learning algorithmconvolutional block attention generative adversarial networkheuristics
发现论文，激发创造
  • 自注意力生成对抗网络

    本文介绍了一种基于自注意力机制的生成对抗网络（SAGAN），它能够在图像生成任务中实现关注驱动的远距离依赖关系建模，并通过对 GAN 生成器实施谱归一化技术，取得了对图像生成任务来说最好的表现。

    May, 2018

  • 鲁棒性条件生成对抗网络

    该研究介绍了一种名为 RoCGAN 的新型条件 GAN 模型，该模型在图像生成的任务中表现优异，并在面临严重噪声的情况下使生成器输出的图像更接近目标空间，实验结果表明，RoCGAN 在各种领域的表现都远优于现有的最先进的 cGAN 架构。

    May, 2018

  • GAT-GAN：一种基于图注意力机制的时间序列生成对抗网络

    本文提出了一种基于图注意力机制的生成对抗网络（GAT-GAN），使用这种方法可以生成具有高保真度的长时间序列数据，可以通过使用 FTD 评分标准来标准化地评估生成数据的质量和多样性，并且评估结果表明，相比于现有的基于 Frechet Transformer distance 和 Predictive score 的基准模型，GAT-GAN 在多个真实数据集上表现更优。

    Jun, 2023

  • 基于注意力引导的生成对抗网络的无监督图像转换

    本文提出了基于注意力机制的生成对抗网络 AGGAN，在生成图像时使用内置的注意力机制检测最具有辨别性的语义部分并最小化不需要的部分的变化，训练过程中同时考虑对抗损失、循环一致性损失、像素损失和注意力损失，实验表明 AGGAN 比现有模型能够生成更加清晰和准确的图像。

    Mar, 2019

  • 循环主题转移 GAN 用于视觉段落生成

    本文提出了一种半监督的自然图像描述方法 ——RTT-GAN，利用区域感知和语言机制生成连贯的段落描述，并通过对抗训练达到建立结构性生成器和多层段落判别器之间的生成并评估技术。

    Mar, 2017

  • 利用全卷积网络学习人意识路径规划

    论文介绍了一种通过演示学习路径规划的方法，运用了全卷积神经网络来学习专家路径演示的地图，并使用 RRT* 算法来优化路径预测，本方法已在真实路径中进行试验并与逆强化学习算法进行了对比。

    Mar, 2018

  • 基于 ACT 块的生成对抗网络的无线电地图构建

    本文介绍了一种基于生成对抗网络（GAN）的新型无线电地图构建方法，命名为 ACT-GAN，并通过三种不同场景的实验结果表明，ACT-GAN 在提高无线电地图的重建精度方面具有显著优势，同时有助于更准确地预测电磁空间场分布和发射源位置。

    Jan, 2024

  • GAGAN: 几何感知生成对抗网络

    该论文介绍了一种新的图像生成方法，采用几何形状模型将几何信息纳入生成过程，生成出具有任意面部属性的逼真人脸图像。

    Dec, 2017

  • 利用 GAN 和可微分的轨迹光栅化技术改善鸟瞰模型中交通参与者的移动预测

    本文提出了一种新的基于栅格化的条件生成对抗网络结构，用于预测自动驾驶车辆周围交通参与者的运动情况，该方法在真实世界的大规模数据集上的表现优于基于生成对抗网络的其他算法。

    Apr, 2020

  • RPGAN: 通过随机路由实现 GAN 的可解释性

    介绍了一种名为 RPGAN 的生成对抗网络，使用生成器网络内随机路径作为潜在空间，提供了自然的解释性和多因素变化的理解，同时提高了生成图像的品质并允许新数据的高效增量学习。

    Dec, 2019