論文の概要: A Review on Generative Adversarial Networks: Algorithms, Theory, and Applications

• arxiv url: http://arxiv.org/abs/2001.06937v1
• Date: Mon, 20 Jan 2020 01:52:05 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-08 05:04:21.465211
• Title: A Review on Generative Adversarial Networks: Algorithms, Theory, and Applications
• Title（参考訳）: 生成型adversarial networkのレビュー : アルゴリズム,理論,応用
• Authors: Jie Gui, Zhenan Sun, Yonggang Wen, Dacheng Tao, Jieping Ye
• Abstract要約: GAN(Generative Adversarial Network)は近年ホットな研究トピックである。 GANは2014年から広く研究され、多くのアルゴリズムが提案されている。 本稿では,アルゴリズム,理論,応用の観点から,様々なGAN手法のレビューを行う。
• 参考スコア（独自算出の注目度）: 154.4832792036163
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Generative adversarial networks (GANs) are a hot research topic recently. GANs have been widely studied since 2014, and a large number of algorithms have been proposed. However, there is few comprehensive study explaining the connections among different GANs variants, and how they have evolved. In this paper, we attempt to provide a review on various GANs methods from the perspectives of algorithms, theory, and applications. Firstly, the motivations, mathematical representations, and structure of most GANs algorithms are introduced in details. Furthermore, GANs have been combined with other machine learning algorithms for specific applications, such as semi-supervised learning, transfer learning, and reinforcement learning. This paper compares the commonalities and differences of these GANs methods. Secondly, theoretical issues related to GANs are investigated. Thirdly, typical applications of GANs in image processing and computer vision, natural language processing, music, speech and audio, medical field, and data science are illustrated. Finally, the future open research problems for GANs are pointed out.
• Abstract（参考訳）: GAN(Generative Adversarial Network)は近年ホットな研究トピックである。 GANは2014年から広く研究され、多くのアルゴリズムが提案されている。 しかし、gansの異なる変異種間の関係とそれらの進化を説明する包括的な研究は少ない。 本稿では,アルゴリズム,理論,応用の観点から,様々なGAN手法のレビューを行う。 まず、ほとんどのGANアルゴリズムのモチベーション、数学的表現、構造を詳細に紹介する。 さらにganは、半教師付き学習、転送学習、強化学習など、特定の用途のために他の機械学習アルゴリズムと組み合わせられている。 本稿では,これらのGAN手法の共通点と相違点を比較する。 第2に, GANに関する理論的問題について検討した。 第3に、画像処理やコンピュータビジョン、自然言語処理、音楽、音声、音声、医療分野、データサイエンスにおけるganの典型的な応用について述べる。 最後に, GANの今後のオープンな研究課題を指摘する。

関連論文リスト

• On the Generalization Capability of Temporal Graph Learning Algorithms: Theoretical Insights and a Simpler Method [59.52204415829695]
  テンポラルグラフ学習(TGL)は、様々な現実世界のアプリケーションにまたがる一般的なテクニックとなっている。 本稿では,異なるTGLアルゴリズムの一般化能力について検討する。 一般化誤差が小さく、全体的な性能が向上し、モデルの複雑さが低下する単純化されたTGLネットワークを提案する。
  論文  参考訳（メタデータ） (2024-02-26T08:22:22Z)
• Ten Years of Generative Adversarial Nets (GANs): A survey of the state-of-the-art [0.0]
  Generative Adversarial Networks (GAN) は、様々な領域にまたがる現実的で多様なデータを生成する強力なツールとして急速に登場した。 2018年2月、GANは「Top Ten Global Breakthrough Technologies List」でトップ10を獲得した。 この調査は、最も広く認識されているバリエーションの潜在アーキテクチャ、バリデーションメトリクス、およびアプリケーション領域を要約した、GANの一般的な概要を提供することを目的としている。
  論文  参考訳（メタデータ） (2023-08-30T20:46:45Z)
• Towards Better Out-of-Distribution Generalization of Neural Algorithmic Reasoning Tasks [51.8723187709964]
  ニューラルネットワーク推論タスクのOOD一般化について検討する。 目標は、ディープニューラルネットワークを使用して入出力ペアからアルゴリズムを学ぶことである。
  論文  参考訳（メタデータ） (2022-11-01T18:33:20Z)
• Generative Adversarial Networks for Image Super-Resolution: A Survey [101.39605080291783]
  単一画像超解像(SISR)は画像処理の分野で重要な役割を果たしている。 近年のGAN(Generative Adversarial Network)は,小サンプルを用いた低解像度画像に対して優れた結果が得られる。 本稿では,異なる視点からGANの比較研究を行う。
  論文  参考訳（メタデータ） (2022-04-28T16:35:04Z)
• A review of Generative Adversarial Networks (GANs) and its applications in a wide variety of disciplines -- From Medical to Remote Sensing [2.9327503320877457]
  我々はGAN(Generative Adversarial Network)について検討する。 GANはゼロサムゲーム理論を用いて互いに競合する2つのニューラルネットワークを組み合わせる。 GANは、画像処理、ビデオ生成、予測、その他のコンピュータビジョンアプリケーションの実行に使用することができる。
  論文  参考訳（メタデータ） (2021-10-01T14:43:30Z)
• GeoQA: A Geometric Question Answering Benchmark Towards Multimodal Numerical Reasoning [172.36214872466707]
  我々は、テキスト記述、視覚図、定理知識の包括的理解を必要とする幾何学的問題を解くことに注力する。 そこで本研究では,5,010の幾何学的問題を含む幾何学的質問応答データセットGeoQAを提案する。
  論文  参考訳（メタデータ） (2021-05-30T12:34:17Z)
• Generative Adversarial Networks (GANs) in Networking: A Comprehensive Survey & Evaluation [5.196831100533835]
  GAN(Generative Adversarial Networks)は、広く研究された機械学習サブフィールドである。 GANは一般的に合成画像の生成や変換に用いられる。 本稿では、この機械学習の分岐が、コンピュータと通信ネットワークの複数の側面にどのように役立つかを実証する。
  論文  参考訳（メタデータ） (2021-05-10T08:28:36Z)
• Generative Adversarial Network: Some Analytical Perspectives [4.933916728941277]
  generative adversarial networks (gans) は多くの注目を集めている。 GANモデルの様々なバリエーションが開発され、実際に異なる用途に適合している。 GANの性能と訓練に関する問題は, 様々な理論的観点から注目され, 検討されている。
  論文  参考訳（メタデータ） (2021-04-25T17:12:32Z)
• A Mathematical Introduction to Generative Adversarial Nets (GAN) [6.225190099424806]
  本稿では,数学的な観点からGANの概要を述べる。 本研究の目的は,より数学的指向の学生に,より親しみやすい言語でGANを紹介することである。
  論文  参考訳（メタデータ） (2020-09-01T01:31:47Z)
• Bridging the Gap between Spatial and Spectral Domains: A Survey on Graph Neural Networks [52.76042362922247]
  グラフニューラルネットワーク(GNN)は、非ユークリッドグラフ構造を扱うように設計されている。 既存のGNNは様々な手法を用いて提示され、直接比較と相互参照がより複雑になる。 既存のGNNを空間およびスペクトル領域に整理し、各領域内の接続を公開する。
  論文  参考訳（メタデータ） (2020-02-27T01:15:10Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。