在游戏、VR领域
颠覆传统人类美工的工作方式
生成全真实的场景
GAN说:“我能行!”
VR场景
在电影、视频领域
使全虚拟演员、偶像成为可能
一种全新的感觉和体验
GAN说:“我可以!”
假明星脸生成
虚拟偶像
在电子商务领域
想要实现真实的“虚拟试衣间”
足不出户就可以体验买买买
GAN说:“我可以!”
虚拟试衣
在IT领域
脱发是一个经典问题
还没秃的时候怎么看自己的大秃头
GAN说:“我可以!”
秃头生成器
除此之外,在艺术创作领域
文字语义生成图片、
从低分辨率图片生成高分辨率图片、
照片缺陷自动修复......
都运用到GAN,GAN都能行!
实战案例
GAN的应用比较广泛
GAN的发展十分迅速
GAN的变种层出不穷
可以说,这5年里深度学习领域最亮的崽(仔)就是GAN
......
生成式对抗网络(GAN, Generative Adversarial Networks )是一种深度学习模型,是近年来复杂分布上无监督学习最具前景的方法之一。
GAN最经典与核心的应用就是图像生成,为了帮助大家系统性解决所有图像生成GAN领域知识的学习,我们推出了《深度学习之图像生成GAN-理论实践篇》专栏课程。课程的主体部分已经更新完毕,为了帮助学员掌握好图像生成GAN的基础原理、解决好深度学习图像生成GAN的基本问题,我们也将结合实际项目,将所学理论应用于实践。
深度学习之图像生成GAN二维码
图像生成GAN完整课程介绍
本课程内容包括图像生成GAN的理论知识和实践内容,内容详细,案例丰富。涉及图像生成的各个经典算法与实践,时长超过5个小时。
下面是当前课程的大纲脑图:
(1) 理论部分完善。本部分专注于图像生成相关的GAN,覆盖了基本GAN,条件GAN,多尺度GAN,StyleGAN的讲解,以及GAN的典型应用。既有足够的宽度,也具备有足够的深度,后续还会增加3D与视频的部分内容。
(2) 配套实践案例。当前共有2个案例实践,分别为DCGAN人脸嘴唇表情生成任务,StyleGAN人脸图像生成任务,并配套有代码与数据集,可循序渐进学习。后续还会增加3D与视频部分的实践内容。
案例图
下面简单了解一下课程各部分的大体内容:
(1) 全卷积图像生成GAN,讲解DCGAN的原理与结果,约17分钟,本小节内容可以免费收听。
(2) 全卷积图像生成GAN实战,讲解DCGAN的实战,包括模型解读与训练,约50分钟,本小节内容可以免费收听。
(3) 条件GAN原理,讲解有监督,无监督,半监督条件GAN,约30分钟。
(4) 多尺度GAN,包括金字塔GAN,渐进式生成GAN,约25分钟。
(5) StyleGAN原理解读,包括StyleGAN v1与StyleGAN v2的原理详细解读,约100分钟。
(6) 基于Pytorch的StyleGAN项目实战,约60分钟。
(7) 数据增强与仿真GAN,讲解典型的数据增强与仿真GAN模型,约15分钟。