Jaringan Adverarial Generatif yang Disesuaikan Halus
GAN yang Disesuaikan Halus dimulai dari jaringan adverarial generatif besar yang telah dilatih sebelumnya dan melanjutkan pelatihan adverarial pada kumpulan data target yang lebih kecil, memungkinkan model untuk mensintesis sampel berkualitas tinggi dalam domain baru tanpa pelatihan dari awal. Pendekatan transfer ini secara dramatis mengurangi persyaratan data dan komputasi sambil mempertahankan representasi fitur kaya yang dipelajari selama pra-pelatihan.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Fine-Tuned Generative Adversarial Network (Domain-Adaptive GAN via Transfer). ScholarGate. https://scholargate.app/id/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.
- Jaringan Saraf Konvolusional yang Disesuaikan HalusPembelajaran Mendalam↔ compare
- Model Difusi yang Disesuaikan (Fine-Tuned Diffusion Model)Pembelajaran Mendalam↔ compare
- Variational Autoencoder yang Disesuaikan HalusPembelajaran Mendalam↔ compare
- Vision Transformer yang Disesuaikan (Fine-Tuned)Pembelajaran Mendalam↔ compare
- Jaringan Adversarial GeneratifPembelajaran Mendalam↔ compare
- GAN Pembelajaran TransferPembelajaran Mendalam↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →