เปรียบเทียบวิธี
ดูวิธีที่เลือกเทียบกันแบบเคียงข้าง แถวที่ต่างกันจะถูกเน้นไว้
| เครือข่ายปฏิปักษ์เชิงกำเนิดที่ปรับละเอียดแล้ว× | โครงข่ายปฏิปักษ์เชิงกำเนิด× | |
|---|---|---|
| สาขาวิชา | การเรียนรู้เชิงลึก | การเรียนรู้เชิงลึก |
| ตระกูล | Machine learning | Machine learning |
| ปีกำเนิด≠ | 2014 (GAN); 2019–2020 (fine-tuning paradigm) | 2014 |
| ผู้ริเริ่ม≠ | Goodfellow, I. et al. (GAN); fine-tuning practice established ~2019–2020 | Goodfellow, I. et al. |
| ประเภท≠ | Generative model (adversarial training + transfer) | Generative deep learning (adversarial two-network game) |
| แหล่งต้นตำรับ≠ | 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 ↗ | Goodfellow, I. et al. (2014). Generative Adversarial Nets. NeurIPS. link ↗ |
| ชื่อเรียกอื่น | Fine-Tuned GAN, GAN Fine-Tuning, Domain-Adapted GAN, Transfer GAN | Üretici Çekişmeli Ağ (GAN), GAN, generative adversarial nets, adversarial network |
| ที่เกี่ยวข้อง≠ | 6 | 4 |
| สรุป≠ | A Fine-Tuned GAN starts from a large pre-trained generative adversarial network and continues adversarial training on a smaller target dataset, allowing the model to synthesize high-quality samples in a new domain without training from scratch. This transfer approach dramatically reduces data and compute requirements while preserving the rich feature representations learned during pre-training. | A Generative Adversarial Network (GAN), introduced by Ian Goodfellow and colleagues in 2014, produces realistic synthetic data through the competition of two neural networks — a generator and a discriminator. It is widely used for image synthesis, data augmentation, and distribution estimation. |
| ScholarGateชุดข้อมูล ↗ |
|
|