Xarxa Generativa Antagònica Finament Ajustada
Una Xarxa Generativa Antagònica (GAN) finament ajustada comença a partir d'una gran xarxa generativa antagònica pre-entrenada i continua l'entrenament antagònic en un conjunt de dades objectiu més petit, permetent que el model sintetitzi mostres d'alta qualitat en un nou domini sense entrenar des de zero. Aquest enfocament de transferència redueix dràsticament els requisits de dades i computació, preservant alhora les riques representacions de característiques apreses durant el pre-entrenament.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- Goodfellow, I., Pouget-Abadie, J., Mirza, M., Xu, B., Warde-Farley, D., Ozair, S., Courville, A., & Bengio, Y. (2014). Generative Adversarial Nets. Advances in Neural Information Processing Systems (NeurIPS), 27. link ↗
- Mo, S., Cho, M., & Shin, J. (2020). Freeze the Discriminator: a Simple Baseline for Fine-Tuning GANs. CVPR 2020 Workshop on AI for Content Creation. link ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Fine-Tuned Generative Adversarial Network (Domain-Adaptive GAN via Transfer). ScholarGate. https://scholargate.app/ca/deep-learning/fine-tuned-generative-adversarial-network
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Xarxa neuronal convolucional afinadaAprenentatge profund↔ compare
- Model de difusió ajustat amb precisióAprenentatge profund↔ compare
- Autoencoder Variacional afinatAprenentatge profund↔ compare
- Vision Transformer ajustat (Fine-Tuned Vision Transformer)Aprenentatge profund↔ compare
- Generative Adversarial NetworkAprenentatge profund↔ compare
- Transfer Learning GANAprenentatge profund↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →