MoCoGAN: Decomposing Motion and Content for Video Generation | DL Hacks
はじめに 「GANで画像を生成してみた」系の記事はたくさんありますが、動画の生成はなかなかないんじゃないかと思います。 なぜなら、従来のGANによる動画生成1は人間の影らしきものを動かすのがやっとで、画像生成と比べて技術が遅れていたのです。しかし本日ご紹介するMoCoGAN2は、7月にarxivで論文が発表されたばかりの論文で、既存研究に比べて圧倒的に綺麗な動画を生成することができます。 この記事では、MoCoGANのArchitecture及び、Pytorchによる実装のポイントを解説していきます。 github上の実装はこちらになります。https://github.com/DLHacks/mocogan また筆者による実装はまだ公開されていないようなので、これがおそらく初の公開実装となるかと思います。（※17/9/30時点） スターをいただけると励みになります……!!! モデル 新規
Wasserstein GAN (WGAN) - DeepLearningを勉強する人
Wasserstein GAN (WGAN) [1701.07875] Wasserstein GAN ([1701.04862] Towards Principled Methods for Training Generative Adversarial Networks WGANの話の前にこの話がある) Martin Arjovsky氏の実装(Torch) GitHub - martinarjovsky/WassersteinGAN WGANをTensorFlowで実装した github.com 論文まとめ 深く理解しようとするとかなり数学的知識が要求されるので、直感的な理解だけを追っていくことにする. そもそもVAEやGANのアプローチというのは、自分の分布を真の分布に近づけていくというものだが、この分布間の距離/ダイバージェンスの定義の仕方によって、学習の収束性、安定性に差異がある
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
Loading...
