帮酷LOGO
  • 显示原文与译文双语对照的内容
Playground for variational autoencoders and generative adversarial nets

  • 源代码名称:autoencoding_beyond_pixels
  • 源代码网址:http://www.github.com/andersbll/autoencoding_beyond_pixels
  • autoencoding_beyond_pixels源代码文档
  • autoencoding_beyond_pixels源代码下载
  • Git URL:
    git://www.github.com/andersbll/autoencoding_beyond_pixels.git
  • Git Clone代码到本地:
    git clone http://www.github.com/andersbll/autoencoding_beyond_pixels
  • Subversion代码到本地:
    $ svn co --depth empty http://www.github.com/andersbll/autoencoding_beyond_pixels
    Checked out revision 1.
    $ cd repo
    $ svn up trunk
  • 使用学习相似性度量的 Autoencoding

    方法在我们的 Arxiv论文中的实现。

    抽象

    为了更好地度量数据空间中的相似性,我们提出了一个 autoencoder,它利用了学习的表示。 将变分autoencoder与生成对抗网络结合在一起,可以以将所学的特征表示作为for重建目标的基础。 因此,我们在将数据分配给 比如的过程中,将元素智能错误替换为特征错误,从而更好。 我们将我们的方法应用于面图像,表明它在视觉保真度上优于VAEs的元素相似度度量。 这里外,本文还研究了一种高级抽象视觉特征( 比如 )的嵌入方法。 佩戴眼镜) 可以使用简单的算法进行修改。

    正在启动

    我们尝试自动化从数据提取到生成漂亮图像的自动化。 这意味着你可以从两个步骤开始:

    如果你想尝试不同的模型/数据集,你也可以尝试其他的脚本。

    示例

    快来了。

    实现参考

    我们希望感谢下列项目的作者。 我们的方法永远不会脱离检查他们代码所获得的洞察力而离开地面。




    Copyright © 2011 HelpLib All rights reserved.    知识分享协议 京ICP备05059198号-3  |  如果智培  |  酷兔英语