ScholarGate
Assistente
Machine learningDeep learning / NLP / CV

Generative Adversarial Network (GAN) Fine-Tuned

Un GAN Fine-Tuned parte da una rete generativa avversaria pre-addestrata su larga scala e continua l'addestramento avversario su un dataset target più piccolo, permettendo al modello di sintetizzare campioni di alta qualità in un nuovo dominio senza addestramento da zero. Questo approccio di trasferimento riduce drasticamente i requisiti di dati e computazionali preservando le ricche rappresentazioni di caratteristiche apprese durante il pre-addestramento.

Apri in MethodMindIn arrivoVideoIn arrivoDownload slides

Leggi il metodo completo

Riservato ai membri

Accedi con un account gratuito per leggere questa sezione.

Accedi

Method map

The neighbourhood of related methods — select a node to explore.

Fonti

  1. 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
  2. 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

Come citare questa pagina

ScholarGate. (2026, June 3). Fine-Tuned Generative Adversarial Network (Domain-Adaptive GAN via Transfer). ScholarGate. https://scholargate.app/it/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.

Compare side by side

Citato da

ScholarGateFine-Tuned Generative Adversarial Network (Fine-Tuned Generative Adversarial Network (Domain-Adaptive GAN via Transfer)). Consultato il 2026-06-15 da https://scholargate.app/it/deep-learning/fine-tuned-generative-adversarial-network · Insieme di dati: https://doi.org/10.5281/zenodo.20539026