raf*_*lle 5 mathematical-optimization neural-network deep-learning generative-adversarial-network
在 GAN 框架中，生成器违反图像中未明确表示的真实分布的硬约束的情况并不罕见，例如狗很少有超过一个头或 4 条腿。
鉴于没有头或腿计数神经元，并且人们对使用领域知识来挖掘这些规范并将其用作判别器的输入不感兴趣，那么在 GAN 或约束的背景下挖掘和执行此类规范的方法有哪些优化问题。
在我自己的例子中，数据由钢琴卷帘组成，也就是说，一个轴代表时间 T，另一个轴代表音符 N。规范的一些示例可以是： A) 对于 T 中的每个 t，只有一个正值 N，即每个时间步长一个音符 B) 仅当音符轴中正值直接和间接邻居的计数等于或大于 2 时，才存在正值 N。
例如
Invalid
10110110
11001101
Valid
00000000
11101111
非常欢迎意见或建议！低级图像特征控制的一个例子。 https://arxiv.org/pdf/1611.07865.pdf
| 归档时间： |
|
| 查看次数： |
719 次 |
| 最近记录： |