绑定手机号
确认绑定
-
为何BatchNorm（BN)可以具有那样两个优点，有相关数学推理么？2020-05-29 22:59:20NVIDIA 研究院首席研究科学家刘洺堉： 一是让surface比较平滑，二是parameter的位置，让negative和方向分开来，这个是在不同的论文上发表的，都有自己的证明，基本上在PDR的话...全部回答内容
登录之后查看登录回答
相关问答
-
对于高分辨率和多场景图像的生成用什么GAN模型比较好呢？
2020-05-29 22:59:20NVIDIA 研究院首席研究科学家刘洺堉： 关于这个问题，首先要看是怎么样的conditional GAN，如果你的conditional GAN输入是segmentation mask，目前高辨是... 阅读全文 〉
-
有些GAN会选择在Generator网络的前几层用Instance Normalization来代替Batch Normalization，有paper提到前者可以有效避免不同训练数据直接的对比度差异，请问两者之间如何取舍？
2020-05-29 22:59:20NVIDIA 研究院首席研究科学家刘洺堉： 基本上Instance Normalization跟Batch Normalization他们表现差不多，在某些情况下InstanceNorm比较好，有些... 阅读全文 〉
-
GAN是否可以用来生成训练数据？可以的话，有没有具体案例？如果不可以，又是为什么？
2020-05-29 22:59:20NVIDIA 研究院首席研究科学家刘洺堉： 如果给你一堆数据集，比如一堆人脸的照片，用GAN生成人脸生成器，再用GAN生成的人脸来训练network，通常会有好的效果，因为是从真实的数据去学dist... 阅读全文 〉
-
如何很好量化GAN模型结果？有什么切实提高GAN模型训练稳定性和缓解模式崩溃的tips吗？
2020-05-29 22:59:20NVIDIA 研究院首席研究科学家刘洺堉： 主要依靠两个东西，第一个是FID，叫Frechet Inception Distance。GAN是一种match两种分布的方法，在Frechet Dist... 阅读全文 〉
-
GauGAN合成自然界的物体本身形状不确定，合成有细微的扭曲的图片不一定影响视觉感官，请问对于规则的人造物品效果如何？
2020-05-29 22:59:20NVIDIA 研究院首席研究科学家刘洺堉： 针对第一个问题，landscape上像山、海这些形状不规则比较好学习，对比较规则的物件比如人、长颈鹿或狗之类的相对就比较困难，对于这种structural... 阅读全文 〉