GAN Sandbox
1.0.0
빠른 실험 및 연구가 가능하도록 keras/tensorflow 위에 구현된 표준 GAN입니다. 브랜치는 GAN 아키텍처(예: ACGan, InfoGAN, 향상된 wGAN) 및 기타 유망한 GAN 변형(예: GAN 해킹, 로컬 적대적 손실 등)의 안정적인 구현에 해당합니다.
master 브랜치는 GAN R&D를 위한 간단하고 깨끗하며 강력한 시작점 역할을 합니다. 새로운 브랜치 및/또는 master 개선의 형태로 기여를 권장합니다. 이상적으로 분기는 master's 코딩 스타일을 따르고 그로부터 가능한 한 (현실적으로) 조금 벗어나게 됩니다.
master : 표준 GAN.
ac-gan : 보조 분류기 GAN을 사용한 조건부 이미지 합성에 설명된 보조 분류기 GAN입니다.
info-gan : InfoGAN: Generative Adversarial Nets를 최대화하는 정보에 의한 해석 가능한 표현 학습에 설명된 대로 GAN을 최대화하는 정보입니다.
cGAN : 조건부 적대 네트워크를 사용한 이미지-이미지 변환에 설명된 대로입니다.
wGAN : 설명된 대로: Wasserstein GAN에 설명된 대로 개선되었습니다. Wasserstein GAN의 훈련 개선.
SimGAN 은 여기: https://github.com/wayaai/SimGAN.
참고: ACGAN InfoGAN 의 보다 제한된 형태입니다. InfoGAN 임의 개수의 범주형 및 연속형 잠재 변수를 생성기에 대한 입력으로 사용할 수 있습니다. ACGAN은 생성기가 생성할 이미지의 레이블에 해당하는 하나의 범주형 잠재 변수를 입력으로 사용하는 경우의 InfoGAN입니다.
wGAN 목적 함수는 Jenson-Shannon 분기 대신 GAN의 모든 변형에 사용되어야 합니다.
이 저장소와 해당 분기는 Waya.ai의 코드 베이스에서 파생되었으며 더욱 깔끔하고 모듈화된 형태로 출시되었습니다. 아직 각 분기를 완전히 테스트하지 않았으므로 몇 가지 문제가 있을 수 있으며 제대로 수렴하려면 GAN을 약간 조정해야 할 수도 있습니다.
Waya.ai는 질병이 초기 단계에 해결되는 세상을 비전으로 삼는 회사입니다. 이러한 접근 방식은 의료 산업을 증상에 대한 끊임없는 싸움에서 근본 원인을 해결하고 해결하는 예방적 접근 방식으로 전환할 것입니다. 이 비전을 실현하기 위한 첫 번째 단계는 쉽고 정확하며 이용 가능한 진단입니다. 우리의 현재 초점은 뇌진탕 진단, 회복 추적 및 뇌 건강 모니터링입니다. 이 내용이 마음에 드신다면 저에게 연락주세요!
