Paper Readings

# GAN

## Network Structure

### [StyleGAN](https://link.zhihu.com/?target=https%3A//arxiv.org/abs/1812.04948)

* 开源了高分辨率人脸数据集[FFHQ](https://link.zhihu.com/?target=https%3A//github.com/NVlabs/ffhq-dataset)
* 一种特征或许可控的高分辨率人脸生成网络
* 采用了从低分辨率到高分辨率的逐次生成
* 提出一种影响特征的变换方式AdaIN
* ![title](https://leanote.com/api/file/getImage?fileId=5dfb432aab64412a0c0027cf)

### [Evolutionary Generative Adversarial Networks](https://arxiv.org/abs/1803.00657)

* 用进化算法找G。

### [Don't let your Discriminator be fooled](https://openreview.net/pdf?id=HJE6X305Fm)

* Robust的Discriminator可以不用Wasserstein距离也能很好训练。这个很好理解，robust的训练方法保证了真实分布样本空间L-Lipschitz，而Discriminator则需要在生成分布空间及真实分布空间上L-Lipschitz。

## Application

### [GAN Dissection: Visualizing and Understanding Generative Adversarial Networks](https://arxiv.org/abs/1811.10597)

* 通过Network Dissection的方法，找到每个神经元对应的含义，从而控制GAN在指定区域生成指定内容。

# Interpretability

### [Network Dissection: Quantifying Interpretability of Deep Visual Representations](https://link.zhihu.com/?target=https%3A//arxiv.org/pdf/1704.05796.pdf)

* 一种自动匹配部分神经元语义含义的方法。方法如下：在一个有标注的segmentation的数据集上，看每个神经元对应的激活图像区域与标注划分的相似度，从而找到神经元含义。
* 一种新的评估神经网络性能的方法。
* ![title](https://leanote.com/api/file/getImage?fileId=5dfb947bab64412a0c0036fc)

wuvin

导航

最近发表

友情链接