发文章
发文工具
撰写
网文摘手
文档
视频
思维导图
随笔
相册
原创同步助手
其他工具
图片转文字
文件清理
AI助手
留言交流
“想用GAN和Deepfake瞒天过海,没那么容易:这是Adobe和加州伯克利的新研究” 的更多相关文章
GAN用于无监督表征学习,效果依然惊人……
韩松、朱俊彦等人提出GAN压缩法:算力消耗不到1/9,现已开源
史上最强GAN被谷歌超越!标注数据少用90%,造假效果却更逼真
人工智能对抗场景编辑弱监督深度学习自动编辑场景图像添加或移除
遥感图像中的小物体检测(内有新数据集)
YOLO的可解释性:利用Grad-CAM解释目标检测框架(附论文下载)
「分段映射」帮助利用少量样本习得新类别细粒度分类器
PNAS | 理解单个神经元在深度神经网络中的作用
IEEE Signal Processing Magazine:从手工放射组学特征到深度学习分割的放射组学特征
领域泛化最新综述
干货 | AutoML : 更有效地设计神经网络模型
万物皆可“计算机视觉”
史上最强GAN图像生成器,Inception分数提高两倍
蒙娜丽莎.gif:三星新研究用一张图像合成动图,无需3D建模
从Pix2Code到CycleGAN:2017年深度学习重大研究进展全解读
今天聊一聊对抗图表达学习
教程 | 在Keras上实现GAN:构建消除图片模糊的应用
除了深度学习,你还应该关注这6大AI领域
Im2Mesh GAN:从一张RGB图像中恢复3D手部网格
MIT学者讲述生成式 AI 的故事,它会越来越了解你,你也不得不了解它
详解TLD视觉跟踪技术
深度伪造技术的风险、挑战及治理
【GAN优化】长文综述解读如何定量评价生成对抗网络(GAN)