wasserstein gans | BriefGPT

关键词wasserstein gans

搜索结果 - 22

基于 Wasserstein 的普通生成对抗网络
生成对抗网络（GANs）和 Wasserstein GANs 之间的关系及其在概率分布估计中的应用进行研究，其中重点研究了维数降低特性、Oracle 不等式和 Lipschitz 函数的近似收敛性。
PDF3 months ago
用于数据稀缺光谱应用的生成对抗网络
本文介绍了生成对抗网络在合成光谱数据方面的应用，提出了改进的 Wasserstein GANs 来避免模型崩溃，并证明了利用 CWGAN 数据增强可充分提高性能，同时显示 CWGAN 在低数据量条件下可作为简单 FFNN 的代理模型。
PDFa year ago
对抗生成模型的 PAC-Bayesian 泛化界限
本论文在 PAC-Bayesian 理论的基础上扩展了生成模型，并为基于 Wasserstein 距离和总变差距离的模型开发了广义的泛化界限，特别地，本论文提供了新的训练目标，以适用 Wasserstein GANs 和 Energy-Ba
PDFa year ago
ICLR最优输运映射生成建模
该研究提出了一种使用 Optimal Transport map 直接在高维图片空间中进行生成建模的算法，并在图像恢复等任务上验证了其有效性。
PDF3 years ago
ICLRWasserstein GAN 的隐式凸性：具有闭合解的可解释生成模型
通过凸对偶的方法分析了两层神经网络判别器的 Wasserstein GAN 的训练，展现了 Wasserstein GAN 在哪些条件下可以通过凸优化完全解决以及可以被表示为凸凹博弈，证明了这个凸对偶解释的威力，并在 CelebA 图像生成
PDF3 years ago
Wasserstein GANs 的工作原因在于它们未能逼近 Wasserstein 距离
我们对 Wasserstein GANs 进行了深入的数学分析，发现 WGAN 损失并不是 Wasserstein 距离的一个有意义的近似，而且 Wasserstein 距离对深度生成模型而言不是一个理想的损失函数，Wasserstein
PDF3 years ago
ICML神经随机微分方程作为无限维生成对抗网络
本文介绍了一种将传统经典方法与神经随机微分方程（SDEs）相结合的方法，作为连续生成时间序列模型，无需预设统计或密度功能即可适应任意漂移和扩散，其输入噪声为布朗运动，输出样本是由数值求解器产生的，可用于机器学习中的时间序列建模。
PDF3 years ago
AAAIGAN 中 Wasserstein 距离的广义实现
本文针对 Wasserstein GAN 在现实中实现的不足，提出了一种更加松弛的 Sobolev 对偶方法，使得优化中的 Lipschitz 约束不再强制，该方法被命名为 Sobolev Wasserstein GAN（SWGAN），实验
PDF4 years ago
ICML通过对抗性对比最优输运进行表示学习
本文提出了一种通过优化转移距离来学习捕捉数据时间空间关系的紧凑（低维）表示，与此同时通过 Wasserstein GANs 和分类器连接的新框架产生对比学习的负分布，结果在人类动作识别任务中表现良好。
PDF4 years ago
利用 GroupSort 神经网络逼近 Lipschitz 连续函数
本研究介绍了 GroupSort 神经网络，探讨了它对利普希茨连续分段线性函数的表示能力，证明了它们适合近似利普希茨连续函数，并展示了其在合成实验中相对于标准的 ReLU 网络的高效性。
PDF4 years ago
CVPR判别器差分发散：探索鉴别器能量的半自摆脱生成建模
本文介绍了区分度对比散度方法，该方法基于 WGANs 的判别器性质和 WGANs 与能量基模型之间的关系，并利用 WGANs 判别器所包含的信息来提高图像生成的质量。我们使用随机梯度的方式实现判别器对样本密度比率的估计，然后在 Langev
PDF4 years ago
ICML在 $f$-GANs 和 Wasserstein GANs 之间架起桥梁
本文提出了一种称为 KL-Wasserstein GAN 的新的生成对抗网络目标函数，这种方法基于 $f$-GANs 和 Wasserstein GANs 的批评家目标的推广，取得了在 CIFAR10 图像生成方面的新的最优成果。
PDF5 years ago
ICMLSGD 学习 WGAN 中的一层网络
本文研究生成式对抗网络的一种成功变体 Wasserstein GANs，并证明在生成器为一层网络时，使用随机梯度上升下降法可以在多项式时间和样本复杂度内收敛到全局最优解。
PDF5 years ago
ICLR对抗性利普希茨正则化
本研究提出了一种名为 Adversarial Lipschitz Regularization 的方法，其可行地利用了显式的 Lipschitz 惩罚，并在训练 Wasserstein GANs 时表现出与隐式惩罚相同的性能表现，凸显了 L
PDF5 years ago
ICMLLipschitz 生成对抗网络
本文从判别函数最优梯度含义化角度研究生成对抗网络 (GANs) 的收敛性，并表明通过添加 Lipschitz 约束可以消除由于梯度缺乏信息而导致的问题，因此提出了一类名为 Lipschitz GANs (LGANs) 的 GANs，实验证明
PDF5 years ago
(q,p)-Wasserstein GANs: 对 Wasserstein GANs 的基础度量进行比较
本文介绍了一种新的 Wasserstein GANs 模型，可以用更一般的 p-Wasserstein 度量来改善模型。通过实验，我们发现基于 l^q 度量的模型可以显著提高模型效果，相比于以往的基于 l^2 度量的模型。
PDF5 years ago
基于物理知识的生成式对抗网络在随机微分方程中的应用
研究中介绍了一种新型 PI-GANs 来解决基于有限数量的分散测量数据的前向、反向和混合随机问题，并将物理规律通过自动微分编码到 GANs 的架构中，采用 Wasserstein GANs 进行稳定训练。此外，研究还使用了深度神经网络来进行
PDF6 years ago
熵生成对抗网络与变分自编码器相遇：计算 GAN 样本似然的统计方法
通过构建一种显式的概率模型，将沃瑟斯坦 GANs 与熵正则化视为基于变分下界的生成模型，从而使得 GANs 和 VAEs 之间建立了有理论支持的联系。同时，作者还在多个数据集上计算了 GANs 的似然统计量，验证了该理论结果。
PDF6 years ago
ICLR关于 Wasserstein GANs 正则化的再现
本报告通过重现实验探究 2018 年论文《Wasserstein GANs 的正则化》的可重复性，并鉴别出其在学习速度、稳定性、超参数鲁棒性、Wasserstein 距离估计和多种采样方法方面的可重复贡献。源代码对于重现是向公众开放的。
PDF7 years ago
ECCVGAN 的 Wasserstein 散度
本文介绍一种新的 Wasserstein 距离 (W-div)，并提出了基于此距离的生成对抗网络目标函数 (WGAN-div)，该函数可以通过优化准确地近似 W-div。实验结果表明，在标准图像合成基准测试中，WGAN-div 具有比现有方
PDF7 years ago