Réseau antagoniste génératif finement ajusté
Un GAN finement ajusté part d'un grand réseau antagoniste génératif pré-entraîné et poursuit l'entraînement antagoniste sur un ensemble de données cible plus petit, permettant au modèle de synthétiser des échantillons de haute qualité dans un nouveau domaine sans entraînement à partir de zéro. Cette approche de transfert réduit considérablement les exigences en données et en calcul tout en préservant les riches représentations de caractéristiques apprises lors du pré-entraînement.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Fine-Tuned Generative Adversarial Network (Domain-Adaptive GAN via Transfer). ScholarGate. https://scholargate.app/fr/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.
- Réseau neuronal convolutif affinéApprentissage profond↔ compare
- Modèle de diffusion affinéApprentissage profond↔ compare
- Variational Autoencoder affinéApprentissage profond↔ compare
- Transformeur Vision AjustéApprentissage profond↔ compare
- Réseau antagoniste génératifApprentissage profond↔ compare
- Apprentissage par transfert pour les GANApprentissage profond↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →