Machine learningDeep learning / NLP / CV
Fine-Tuned Generative Adversarial Network
Fine-Tuned GAN은 대규모 사전 훈련된 생성적 적대 신경망(generative adversarial network)에서 시작하여 소규모 타겟 데이터셋에 대해 적대적 훈련을 계속함으로써, 처음부터 모델을 훈련할 필요 없이 새로운 도메인에서 고품질 샘플을 합성할 수 있게 합니다. 이 전이 학습 접근법은 사전 훈련 중에 학습된 풍부한 특징 표현을 보존하면서 데이터 및 컴퓨팅 요구 사항을 극적으로 줄여줍니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Fine-Tuned Generative Adversarial Network (Domain-Adaptive GAN via Transfer). ScholarGate. https://scholargate.app/ko/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.
- 미세 조정된 합성곱 신경망딥러닝↔ compare
- 미세조정 확산 모델딥러닝↔ compare
- 파인튜닝된 변이형 오토인코더딥러닝↔ compare
- 미세 조정된 비전 트랜스포머딥러닝↔ compare
- 생성적 적대 신경망딥러닝↔ compare
- 전이 학습 GAN딥러닝↔ compare