BEGAN( + DCGAN )をpytorchで実装して日本人顔の生成 - Qiita
GANのSOTAとして注目されている、BEGAN: Boundary Equilibrium Generative Adversarial Networks( https://arxiv.org/abs/1703.10717 ）をpytorchで実装して日本人顔の生成を行いました. 論文の解説記事はたくさんあるので、ここでは詳しい解説はしませんが、 ・Discriminatorがautoencoderになっている ・複数のLossがあり、Lossごとの学習のバランスを取る方法が提案されている （←これがないと全く学習できません） ・収束判定を簡単にできる 解説は、 ・Boundary Equilibrium Generative Adversarial Networks [arXiv:1703.10717] – ご注文は機械学習ですか？ ( http://musyoku.github.io
はじめてのGAN
今回はGAN（Generative Adversarial Network）を解説していきます。 GANは“Deep Learning”という本の著者でもあるIan Goodfellowが考案したモデルです。NIPS 2016でもGANのチュートリアルが行われるなど非常に注目を集めている分野で、次々に論文が出てきています。 また、QuoraのセッションでYann LeCunが、この10年の機械学習で最も面白いアイディアと述べていたりもします。 “The most interesting idea in the last 10 years in ML, in my opinion.” –Yann LeCun GANは聞いたことはあるけれどあまり追えてないという人向けに基礎から解説していきたいと思います。それでは順に見ていきましょう。 目次 基礎理論 DCGAN 実装 論文紹介 まとめ 基礎理
Chainerを使ってコンピュータにイラストを描かせる - Qiita
概要 つい一ヶ月前に提案された深層学習モデルであるDeep Convolutional Generative Adversarial Networks (以下DCGAN)をchainer上で実装した． 70万枚もの大量のイラストを使ってDCGANにイラストらしさを学習させた． 得られたモデルを利用して，コンピュータにイラストを描かせてみた． 結果としては結構上手く行った．本物と見分けがつかないというレベルではないものの，DCGANは正常にイラストらしい画像を生成できている． ネタが盛大に被って本当につらい はじめに DCGANという画像を生成するニューラルネットをchainerで実装しました。恐るべきことに、今までにない美麗さで二次元イラストも自動生成できます…！https://t.co/C8P8GbzWN1 pic.twitter.com/DWwGhF9itw — おそるべし抹茶パワー
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
