 
该培养计划具有以下特点： 【系统性】配套有非常完备的理论与实践 【永久性】不限制学习期限，一直有效 【成长性】内容保持更新，不额外收费 【专业性】原创书+视频讲解+真实项目锻炼 【丰富性】数千页PPT，文档，项目等 【权威性】工业界资深背景辅导老师，弱运营属性 什么是有三AI-CV中阶-GAN组 GAN自从被提出来后，技术发展就非常迅猛，已经被落地于众多的方向，其应用涉及图像与视频生成，数据仿真与增强，各种各样的图像风格化任务，人脸与人体图像编辑，图像质量提升。 本组聚焦于让大家能够跟随我们社区长期学习GAN相关的算法。下图是2024年CV中阶-GAN组包括的内容预览图，可以自行放大仔细阅读。
学习内容覆盖以下几个方向： (1) 生成对抗网络基础，包括生成模型原理、GAN的优化目标与评估指标等。 (2) 图像与视频生成GAN，包括全卷积GAN、多尺度GAN、条件GAN、StyleGAN、视频生成GAN等。 (3) 图像翻译GAN，包括有监督翻译GAN、无监督翻译GAN等。 (4) 图像增强GAN，包括图像降噪GAN、图像去模糊GAN、超分辨GAN、图像修复GAN等。 (5) 人脸属性编辑GAN，包括通用人脸属性编辑GAN、人脸表情编辑GAN、人脸年龄编辑GAN等。 学习资源包括以下部分： (1) 1本配套的图书教材，《生成对抗网络GAN：原理与实践》。
(2) 配套的视频教程，唯一的学习平台，课程不定期更新。
(3) 1个知识星球学习社区，存储部分图文资料与数据。 (4) 有三AI项目研发组进入权限，有机会负责真实产业案例研发。
生成模型基础 这一部分主要是学习对GAN的基础理论的理解，包括生成模型基础，自编码器与变分自编码器，GAN的原理，GAN的优化，GAN的评估。我们配置了1门时长超过3小时的《深度生成模型GAN：理论基础篇》课程。
图像与视频生成GAN  理论部分内容：详细解读了基本的全卷积GAN，各类条件生成GAN，强大的StyleGAN系列，数据增强与仿真GAN，视频生成GAN。 实践部分内容：包含了2个Pytorch实战案例，分别为DCGAN人脸嘴唇表情生成任务，StyleGAN人脸图像生成任务，后续还会增加3D与视频部分的实践内容。
图像翻译与风格化 图像翻译与风格化包含的方向非常多，因为从图像到图像的任务都可以称之为图像翻译任务，如经典的图像分割/边缘检测，图像超分辨率/图像风格化。我们配置了图像翻译与风格化课程，当前包含的内容超过6个小时，PPT数量超过150页。 理论部分内容：涵盖了深度学习之图像翻译的核心方向，如有监督图像翻译模型，无监督图像翻译模型，多域图像翻译模型。 实践部分内容：包含了3个实践案例，分别为基于Pix2Pix的黑白图像上色实战，基于StarGAN的人脸表情编辑实战，基于BeautyGAN的人脸美妆实战。
图像增强
人脸属性编辑 理论部分内容：涵盖了人脸属性编辑的核心方向，包括基于StyleGAN模型的通用人脸属性编辑，基于图像翻译模型的通用人脸属性编辑，以及各类专用的人脸属性编辑模型，包括人脸表情、年龄、姿态、妆造等。 实践部分内容：一共已经包含了3个实践案例，分别为基于StyleGAN的通用人脸属性编辑实战，基于StarGAN的人脸表情编辑实战，基于BeautyGAN的人脸妆造编辑实战，后续还会增加其他方向的实战： 如何学以致用 |
|
|
