Generative Adversarial Networks for Image Generation / Mao, Xudong  

Público ISBD Ningún comentario para este registro. Título : Generative Adversarial Networks for Image Generation Tipo de documento: documento electrónico Autores: Mao, Xudong, Autor ; Li, Qing, Autor Mención de edición: 1 ed. Editorial: Singapore [Malasya] : Springer Fecha de publicación: 2021 Número de páginas: XII, 77 p. 41 ilustraciones, 29 ilustraciones en color. ISBN/ISSN/DL: 978-981-336-048-8 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Aprendizaje automático  Visión por computador  Software de la aplicacion  Aplicaciones informáticas y de sistemas de información Índice Dewey: 006.31 Máquina de aprendizaje Resumen: Ian Goodfellow y sus coautores, incluido Yoshua Bengio, introdujeron las redes generativas adversarias (GAN) en 2014, y Yann Lecun (director de investigación de IA de Facebook) las describió como "la idea más interesante de los últimos 10 años en ML". El potencial de las GAN es enorme, porque pueden aprender a imitar cualquier distribución de datos, lo que significa que se les puede enseñar a crear mundos similares al nuestro en cualquier dominio: imágenes, música, habla, prosa. En cierto sentido, son artistas robóticos y su producción es notable, incluso conmovedora. En 2018, Christie''s vendió un retrato generado por una GAN por 432.000 dólares. Aunque la generación de imágenes ha sido un desafío, la generación de imágenes GAN ha demostrado ser muy exitosa e impresionante. Sin embargo, quedan dos desafíos pendientes para la generación de imágenes GAN: la calidad de la imagen generada y la estabilidad del entrenamiento. Este libro primero proporciona una descripción general de las GAN y luego analiza la tarea de generación de imágenes y los detalles de la generación de imágenes GAN. También investiga una serie de enfoques para abordar los dos desafíos restantes para la generación de imágenes GAN. Además, explora tres aplicaciones prometedoras de las GAN, incluida la traducción de imagen a imagen, la adaptación de dominio no supervisada y las GAN para seguridad. Este libro está dirigido a estudiantes e investigadores interesados ​​en GAN, generación de imágenes y aprendizaje automático en general y visión por computadora. . Nota de contenido: Generative Adversarial Networks (GANs) -- GANs for Image Generation -- More Key Applications of GANs -- Conclusions. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i Generative Adversarial Networks for Image Generation [documento electrónico] / Mao, Xudong, Autor ; Li, Qing, Autor  . -  1 ed.  . - Singapore [Malasya] : Springer, 2021 . - XII, 77 p. 41 ilustraciones, 29 ilustraciones en color. ISBN : 978-981-336-048-8 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Aprendizaje automático  Visión por computador  Software de la aplicacion  Aplicaciones informáticas y de sistemas de información Índice Dewey: 006.31 Máquina de aprendizaje Resumen: Ian Goodfellow y sus coautores, incluido Yoshua Bengio, introdujeron las redes generativas adversarias (GAN) en 2014, y Yann Lecun (director de investigación de IA de Facebook) las describió como "la idea más interesante de los últimos 10 años en ML". El potencial de las GAN es enorme, porque pueden aprender a imitar cualquier distribución de datos, lo que significa que se les puede enseñar a crear mundos similares al nuestro en cualquier dominio: imágenes, música, habla, prosa. En cierto sentido, son artistas robóticos y su producción es notable, incluso conmovedora. En 2018, Christie''s vendió un retrato generado por una GAN por 432.000 dólares. Aunque la generación de imágenes ha sido un desafío, la generación de imágenes GAN ha demostrado ser muy exitosa e impresionante. Sin embargo, quedan dos desafíos pendientes para la generación de imágenes GAN: la calidad de la imagen generada y la estabilidad del entrenamiento. Este libro primero proporciona una descripción general de las GAN y luego analiza la tarea de generación de imágenes y los detalles de la generación de imágenes GAN. También investiga una serie de enfoques para abordar los dos desafíos restantes para la generación de imágenes GAN. Además, explora tres aplicaciones prometedoras de las GAN, incluida la traducción de imagen a imagen, la adaptación de dominio no supervisada y las GAN para seguridad. Este libro está dirigido a estudiantes e investigadores interesados ​​en GAN, generación de imágenes y aprendizaje automático en general y visión por computadora. . Nota de contenido: Generative Adversarial Networks (GANs) -- GANs for Image Generation -- More Key Applications of GANs -- Conclusions. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i

---

1 (1 - 1 / 1) Par page : 25 50 100 200