Ugođeni generativni suparnički sklop
Ugođeni GAN započinje s velikim prethodno obučenim generativnim suparničkim sklopom i nastavlja suparničko treniranje na manjoj ciljnoj podatkovnoj skupini, omogućujući modelu sintezu uzoraka visoke kvalitete u novoj domeni bez treniranja od početka. Ovaj pristup prijenosa drastično smanjuje potrebe za podacima i računalnom snagom, istovremeno čuvajući bogate reprezentacije značajki naučene tijekom pretreniranja.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Karta metoda
Okruženje srodnih metoda — odaberite čvor za istraživanje.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Fine-Tuned Generative Adversarial Network (Domain-Adaptive GAN via Transfer). ScholarGate. https://scholargate.app/hr/deep-learning/fine-tuned-generative-adversarial-network
Koja metoda?
Postavite ovu metodu uz njoj najsrodnije i pročitajte ih jednu uz drugu — knjižnica vam knjige stavlja na stol; izbor je na vama.
- Fino ugađana konvolucijska neuronska mrežaDuboko učenje↔ usporedi
- Prilagođeni difuzijski modelDuboko učenje↔ usporedi
- Podešeni Varijacijski AutoenkoderDuboko učenje↔ usporedi
- Prilagođeni Vision TransformerDuboko učenje↔ usporedi
- Generativna suparnička mrežaDuboko učenje↔ usporedi
- Transfer Learning GANDuboko učenje↔ usporedi
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →