일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | |||
5 | 6 | 7 | 8 | 9 | 10 | 11 |
12 | 13 | 14 | 15 | 16 | 17 | 18 |
19 | 20 | 21 | 22 | 23 | 24 | 25 |
26 | 27 | 28 | 29 | 30 | 31 |
Tags
- simclrv2
- CGAN
- dcgan
- WGAN
- shrinkmatch paper
- 백준 알고리즘
- UnderstandingDeepLearning
- CycleGAN
- 딥러닝손실함수
- SSL
- BYOL
- ConMatch
- conjugate pseudo label paper
- adamatch paper
- tent paper
- Pix2Pix
- mocov3
- 컴퓨터구조
- Meta Pseudo Labels
- semi supervised learnin 가정
- CoMatch
- cifar100-c
- remixmatch paper
- GAN
- Pseudo Label
- dann paper
- mme paper
- 최린컴퓨터구조
- Entropy Minimization
- shrinkmatch
Archives
- Today
- Total
목록DCGAN논문 (1)
Hello Computer Vision
비전공생의 DCGAN(Deep Convolutional Generative Adversarial Networks, 2016) 논문 리뷰
지난번 GAN에 이은 두번째 논문 리뷰이다. DCGAN을 코드로 구현해본 적 있는데 GAN이 MLP로 이미지를 생성했다면 DCGAN은 CNN을 이용해 이미지를 생성한 것이 가장 큰 특징이다. GAN 논문을 읽을 때도 익숙한 내용이지만 수식을 이해하느라 어느 정도 시간이 걸려서 이번 DCGAN논문도 읽는데 이틀은 걸릴줄 알았는데 이 논문에서는 수식이 하나도 등장하지 않아서 편하게 읽었다. 수식보다는 GAN으로 할 수 있는 많은 것들을 소개해준 논문 같다. 첫번째 논문처럼 요약보다는 논문 목차를 따라가면서 최대한 논문에 나온 부분들을 다 소개하도록 노력하겠습니다. 논문 원본 : https://arxiv.org/abs/1511.06434 1. Introduction 처음에는 GAN에 대한 장점들(최대우도법 활..
Generative
2022. 10. 28. 22:51