高级生成对抗网络

• 高级架构

  实现并分析 StyleGAN、BigGAN 和 CycleGAN 等精密 GAN 架构。

• 训练稳定性

  应用 Wasserstein 损失、梯度惩罚和谱归一化等方法，使 GAN 训练稳定。

• 条件生成

  构建并训练条件 GAN (cGAN) 和信息最大化 GAN (InfoGAN)，以实现受控数据合成。

• 模型评估

  使用并解释 Fréchet Inception Distance (FID) 和 Inception Score (IS) 等高级指标，用于 GAN 性能评估。

• 理论理解

  理解高级 GAN 方法背后的数学原理和理论依据。

• 实现能力

  培养使用标准深度学习框架实现、训练和调试复杂 GAN 模型的能力。

本课程没有先修课程。

目前没有推荐的后续课程。