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.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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 ↗
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.
- Convolutional Neural Network Fine-TunedApprendimento profondo↔ compare
- Modello a Diffusione Fine-TunedApprendimento profondo↔ compare
- Variational Autoencoder Fine-TunedApprendimento profondo↔ compare
- Vision Transformer con Fine-TuningApprendimento profondo↔ compare
- Rete Generativa AvversariaApprendimento profondo↔ compare
- GAN a Trasferimento di ApprendimentoApprendimento profondo↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →