Дообученная генеративно-состязательная сеть

Дообученная GAN начинается с большой предварительно обученной генеративно-состязательной сети и продолжает состязательное обучение на меньшем целевом наборе данных, позволяя модели синтезировать высококачественные образцы в новой области без обучения с нуля. Этот подход переноса значительно снижает требования к данным и вычислительным ресурсам, сохраняя при этом богатые представления признаков, изученные во время предварительного обучения.