像素2像素

CycleGAN和pix2pix在Pythorch。我们为未配对和成对的图像到图像转换提供Pythorch实现。该守则由朱君彦和朴泰成撰写,王通州支持。这个Pythorch实现产生的结果与我们最初的Torch软件相当或更好。如果你想复制与论文中相同的结果,请查看原始的CycleGAN焊炬和pix2pix焊炬代码。


zbMATH参考文献(参考 21篇文章 参考)

显示第1到第20个结果,共21个。
按年份排序(引用)
  1. Cheng,M.;Fang,F.;Pain,C.C.;Navon,I.M.:使用深卷积生成对抗网络对非线性时空流体流动的数据驱动建模(2020年)
  2. Mosser,Lukas;Dubrule,Olivier;Blunt,Martin J.:利用生成对抗性网络作为地质先验的随机地震波形反演(2020)
  3. Newson,Alasdair;Almansa,Andrés;Gousseau,Yann;Ladjal,Saïd:使用自动编码器处理简单几何属性(2020年)
  4. 秦若曦;张惠科;江,凌云;乔凯;海,金进;陈健;徐俊玲;石大鹏;严斌:基于跨域混杂表示的无监督域适应网络的淋巴结多中心计算机辅助诊断(2020)
  5. 孙晓,廉,周辉:一种从单个图像重建三维网格的有效方法(2020)
  6. 唐孟;刘益民;杜洛夫斯基,路易斯J.:基于深度学习的动态地下水流问题数据同化替代模型(2020)
  7. 吴海洲;刘学军;安,卫;陈松灿;吕宏强:一种高效准确评估超临界翼型流场的深度学习方法(2020)
  8. Yang,Liu;Zhang,Dongkun;Karniadakis,George Em:随机微分方程的物理信息生成对抗网络(2020)
  9. 姚厚普;高,易;刘永明:有限元分析网络:一个物理引导的有效机械响应预测数据驱动模型(2020)
  10. Bart Theeen,Frederik Vandeputte,Tom Van Cutsem:Import2vec-软件库的学习嵌入(2019)阿尔十四
  11. Hou,Thomas Y.;Lam,Ka Chun;Zhang,Pengcuan;Zhang,Shumao:从深层生成网络的角度求解贝叶斯反问题(2019)
  12. 胡思宇;陈学金:基于单RGB图像的网格重建神经网络循环正则化防止自相交(2019)
  13. 雷娜;苏克华;崔,李;邱成东;顾,先锋大卫:最优运输的几何观点与生成模型(2019)
  14. 《卡尔·杜塞尔·马丁内斯;詹姆斯·巴蒂亚尔·巴塞尔巴塞尔;贾利斯特·巴尔蒂亚尔,2019年;詹姆斯·巴尔蒂亚尔;贾克斯巴尔蒂亚尔;贾克斯泰尔·巴尔蒂亚尔;贾克斯泰尔·巴尔蒂亚尔;贾克斯泰尔·巴尔蒂亚尔;贾利斯特·巴蒂亚尔,2019年)
  15. 唐超;李,洁;王,林源;李子恒;江,凌云;蔡爱龙;张文坤;梁,宁宁;李,雷;严,斌:基于先验图像信息的周期一致生成对抗网络的未配对低剂量CT去噪网络(2019)
  16. 余维哲特尔。五、 ;Vygolov,O.V.;Komarov,D.V.;Lebedev,M.A.:基于生成对抗网络的不同光谱图像融合(2019)
  17. Wang,K.;Wan,X.:通过混合对抗网络自动生成情感文本(2019)
  18. Heusser,Andrew C.;Ziman,Kirsten;Owen,Lucy L.W.;Manning,Jeremy R.:\texttHypertools:获取高维数据几何见解的Python工具箱(2018)
  19. Ueltzhöffer,Kai:深度主动推理(2018)
  20. Zhu,Yinhao;Zabaras,Nicholas:代理建模和不确定性量化的贝叶斯深卷积编解码网络(2018)