更新时间：2023-11-09 18:53:11
封面
版权信息
内容简介
前言
第1章 生成模型
1.1 无监督学习与生成模型
1.1.1 监督学习与无监督学习
1.1.2 判别模型与生成模型
1.1.3 无监督生成模型
1.2 显式与隐式生成模型
1.2.1 极大似然估计法
1.2.2 完全可见置信网络
1.2.3 流模型
1.2.4 变分自编码器
1.2.5 玻尔兹曼机
1.2.6 隐式生成模型
参考文献
第2章 目标函数优化
2.1 GAN
2.1.1 GAN概述
2.1.2 GAN模型
2.1.3 GAN的本质
2.2 LSGAN
2.3 EBGAN
2.4 fGAN
2.5 WGAN
2.5.1 分布度量
2.5.2 WGAN目标函数
2.6 Loss-sensitive GAN
2.7 WGAN-GP
2.8 IPM
2.8.1 IPM概念
2.8.2 基于IPM的GAN
2.8.3 IPM与f散度
2.9 其他目标函数
2.9.1 RGAN
2.9.2 BEGAN
第3章 训练技巧
3.1 GAN训练的3个问题
3.1.1 梯度消失
3.1.2 目标函数不稳定性
3.1.3 模式崩溃
3.2 退火噪声
3.3 谱正则化
3.3.1 特征值与奇异值
3.3.2 谱范数与1-Lipschitz限制
3.4 一致优化
3.4.1 欧拉法
3.4.2 GAN动力学系统
3.4.3 一致优化算法
3.5 GAN训练技巧
3.5.1 特征匹配
3.5.2 历史均值
3.5.3 单侧标签平滑
3.5.4 虚拟批正则化
3.5.5 TTUR
3.5.6 0中心梯度
3.5.7 其他建议
3.6 模式崩溃解决方案
3.6.1 unrolledGAN
3.6.2 DRAGAN
3.6.3 Minibatch判别器与PGGAN
3.6.4 MADGAN与MADGAN-Sim
3.6.5 VVEGAN
第4章 评价指标与可视化
4.1 评价指标
4.1.1 评价指标的要求
4.1.2 IS系列
4.1.3 FID
4.1.4 MMD
4.1.5 Wasserstein距离
4.1.6 最近邻分类器
4.1.7 GANtrain与GANtest
4.1.8 NRDS
4.1.9 图像质量度量
4.1.10 平均似然值
4.2 GAN可视化
4.2.1 设置模型
4.2.2 训练模型
4.2.3 可视化数据
4.2.4 样例演示
第5章 图像生成
5.1 图像生成应用
5.1.1 训练数据扩充
5.1.2 数据质量提升
5.1.3 内容创作
5.2 深度卷积GAN
5.2.1 DCGAN原理
5.2.2 DCGAN的思考
5.3 条件GAN
5.3.1 有监督条件GAN
5.3.2 无监督条件GAN
5.3.3 半监督条件GAN
5.3.4 复杂形式的条件输入
5.4 多尺度GAN
5.4.1 LAPGAN
5.4.2 Progressive GAN
