2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩80頁未讀 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、圖像生成模型是用于對圖像進(jìn)行概率建模的概率模型,而深度神經(jīng)網(wǎng)絡(luò)可以看成是一個非常復(fù)雜的、擬合能力非常強(qiáng)的非線性函數(shù),可以用于搭建生成模型來估計概率密度函數(shù)的參數(shù)。圖像生成模型可以用于更多不同圖片樣本的生成,可以用于圖像信息的恢復(fù),也可以用于不同模態(tài)的圖片或者圖片與文字、語音等之間的轉(zhuǎn)換,還可以用于預(yù)測未來,例如可以根據(jù)視頻中過去幀和當(dāng)前幀預(yù)測來未來幀。
  本文首先介紹了生成模型在有監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)中的定義,分析了為什么要學(xué)習(xí)

2、生成模型的幾點原因,并介紹了生成模型在國內(nèi)外取得的發(fā)展,以及將目前的深度生成模型做了一個簡單的分類。
  然后本文介紹了目前深度學(xué)習(xí)領(lǐng)域中常用的三種生成模型:深度置信網(wǎng)絡(luò)、變分自編碼器和生成式對抗網(wǎng)絡(luò),及其改進(jìn)和變種。我們提出的方法就是基于其中的變分自編碼器。
  接著為了學(xué)習(xí)可解釋的表達(dá)來增強(qiáng)圖片生成的可控性,本文提出了一個多任務(wù)變分自編碼器,對人臉圖片和人臉輪廓進(jìn)行聯(lián)合概率建模,將人臉圖片中的位置信息分解出來,并將人臉視

3、覺屬性視為人臉圖片的一部分隱藏變化,利用二值屬性標(biāo)注使一部分隱藏變量來捕捉這部分視覺屬性信息,這樣便可以學(xué)習(xí)到關(guān)于人臉圖片的分解的、可解釋的隱藏表達(dá)。利用這個可解釋的隱藏表達(dá)可以控制生成圖片的一些可解釋的成分。也可以對輸入圖片進(jìn)行編輯,改變輸入圖片的某些視覺特性。
  最后本文對人臉照片在簡筆畫的條件下進(jìn)行條件概率建模,并將人臉視覺屬性視為一部分隱藏變量,控制從人臉簡筆畫到人臉照片的合成。實驗證明,我們提出的模型可以生成更加自然、

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論