![](https://cdn-ak-scissors.b.st-hatena.com/image/square/7a3e962cdddfd251c34b2a55b13c1ad26d58689f/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-412672c5f0600ab9a64263b751f1bc81.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTk3MiZoPTM3OCZ0eHQ9JTVCU3VydmV5JTVER2VuZXJhdGl2ZSUyMEltYWdlJTIwTW9kZWxpbmclMjB1c2luZyUyMFN0eWxlJTIwYW5kJTIwU3RydWN0dXJlJTIwQWR2ZXJzYXJpYWwlMjBOZXR3b3JrcyZ0eHQtYWxpZ249bGVmdCUyQ3RvcCZ0eHQtY29sb3I9JTIzMjEyMTIxJnR4dC1mb250PUhpcmFnaW5vJTIwU2FucyUyMFc2JnR4dC1zaXplPTU2JnM9ZjRiODBmMDRjMDE2NmI4ZDhkMjUxOWM1NDcxMTg0YTY%26mark-x%3D142%26mark-y%3D57%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZoPTc2Jnc9NzcwJnR4dD0lNDBzdXBlcnNhaWFrdWppbiZ0eHQtY29sb3I9JTIzMjEyMTIxJnR4dC1mb250PUhpcmFnaW5vJTIwU2FucyUyMFc2JnR4dC1zaXplPTM2JnR4dC1hbGlnbj1sZWZ0JTJDdG9wJnM9NDM4YTY0ZDdkYWRmMTQxNDhkYTFiMzYzY2M5NjlkNjA%26blend-x%3D142%26blend-y%3D486%26blend-mode%3Dnormal%26s%3D320a8a25e57f5027aa75e2163445d7c0)
エントリーの編集
![loading...](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/common/loading@2x.gif)
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
[Survey]Generative Image Modeling using Style and Structure Adversarial Networks - Qiita
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
![アプリのスクリーンショット](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/entry/app-screenshot.png)
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
[Survey]Generative Image Modeling using Style and Structure Adversarial Networks - Qiita
[Survey]Generative Image Modeling using Style and Structure Adversarial NetworksDeepLearning Gene... [Survey]Generative Image Modeling using Style and Structure Adversarial NetworksDeepLearning Generative Image Modeling using Style and Structure Adversarial Networks DCGANで室内シーンのGenerative Modelを学習する問題に対し、従来より結果がRealかつ、高解像度かつ、結果が安定するように拡張を加えた論文です。 拡張の方向性としては以下の通りです。 1. GANに入れるuniform noise データに加えてSurface Normalデータを入れる(Style-GAN) 2. surface normalデータは別のGANにより生成する(Structure-GAN) 3. さらにStyle-GANのGene