GAN có thể giải thích
GAN có thể giải thích (Explainable GAN) áp dụng các kỹ thuật diễn giải vào Mạng đối nghịch tạo sinh (GAN) để tiết lộ những đơn vị nội bộ và các hướng tiềm ẩn nào gây ra các đặc trưng hình ảnh hoặc cấu trúc cụ thể trong các đầu ra được tạo ra. Nó kết hợp quá trình huấn luyện GAN với các công cụ phân tích hậu kiểm — như phân tích đơn vị, bản đồ độ nhạy, hoặc không gian tiềm ẩn tách rời — để làm cho hành vi của mô hình tạo sinh trở nên minh bạch và có thể kiểm toán.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Method map
The neighbourhood of related methods — select a node to explore.
Nguồn tài liệu
- Bau, D., Zhu, J.-Y., Strobelt, H., Zhou, B., Tenenbaum, J. B., Freeman, W. T., & Torralba, A. (2019). GAN Dissection: Visualizing and Understanding Generative Adversarial Networks. In Proceedings of the International Conference on Learning Representations (ICLR 2019). link ↗
- Goodfellow, I., Pouget-Abadie, J., Mirza, M., Xu, B., Warde-Farley, D., Ozair, S., Courville, A., & Bengio, Y. (2014). Generative Adversarial Nets. In Advances in Neural Information Processing Systems (NeurIPS 2014), 27. link ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Explainable Generative Adversarial Network. ScholarGate. https://scholargate.app/vi/deep-learning/explainable-gan
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.
- Mô hình khuếch tánHọc sâu↔ compare
- Phân loại ảnh có khả năng giải thíchHọc sâu↔ compare
- Generative Adversarial NetworkHọc sâu↔ compare
- Bộ tự mã hóa biến phânHọc sâu↔ compare
Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →