关键词conditional wasserstein gans
搜索结果 - 3
- Y - 对角耦合:用条件瓦砾均衡距离近似后验
逆问题中,通过最小化联合度量与其学习近似度量之间的距离,许多条件生成模型近似后验测度。尽管这种方法对于 KL 散度的情况也控制了后验测度之间的距离,但对于 Wasserstein 距离则不成立。我们引入一种带有一组受限耦合的条件 Wasse - CVPR利用生成式零样本学习的不变侧面
使用生成对抗网络,提出了一种名为 LisGAN 的新方法,可以通过条件噪声直接生成未见过的特征。灵魂样本被引入生成式零样本学习中作为不变的一面,具有类别的元表示,并且通过联合部署两个分类器来实现粗分类和细分类,超过了现有方法的表现。
- 一种基于条件深度学习的新型拓扑优化方法
本文提出一种基于条件瓦瑟斯坦生成对抗网络的优化拓扑结构方法,与传统算法相比,该方法计算代价极低,只需要通过深度卷积神经网络模拟限定拓扑优化条件的全局设计空间,且得到的优化方案可以得到验证。