論文の概要: A review of Generative Adversarial Networks (GANs) and its applications
in a wide variety of disciplines -- From Medical to Remote Sensing
- arxiv url: http://arxiv.org/abs/2110.01442v1
- Date: Fri, 1 Oct 2021 14:43:30 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-05 15:57:09.838562
- Title: A review of Generative Adversarial Networks (GANs) and its applications
in a wide variety of disciplines -- From Medical to Remote Sensing
- Title（参考訳）: GAN(Generative Adversarial Networks)の医療・遠隔センシング分野への応用
- Authors: Ankan Dash, Junyi Ye, Guiling Wang
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 2.9327503320877457
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We look into Generative Adversarial Network (GAN), its prevalent variants and
applications in a number of sectors. GANs combine two neural networks that
compete against one another using zero-sum game theory, allowing them to create
much crisper and discrete outputs. GANs can be used to perform image
processing, video generation and prediction, among other computer vision
applications. GANs can also be utilised for a variety of science-related
activities, including protein engineering, astronomical data processing, remote
sensing image dehazing, and crystal structure synthesis. Other notable fields
where GANs have made gains include finance, marketing, fashion design, sports,
and music. Therefore in this article we provide a comprehensive overview of the
applications of GANs in a wide variety of disciplines. We first cover the
theory supporting GAN, GAN variants, and the metrics to evaluate GANs. Then we
present how GAN and its variants can be applied in twelve domains, ranging from
STEM fields, such as astronomy and biology, to business fields, such as
marketing and finance, and to arts, such as music. As a result, researchers
from other fields may grasp how GANs work and apply them to their own study. To
the best of our knowledge, this article provides the most comprehensive survey
of GAN's applications in different fields.
- Abstract（参考訳）: 我々は、gan(generative adversarial network)、その一般的な変種、および多くの分野における応用について検討する。
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て、より簡潔で離散的な出力を生成する。
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できる。
ganは、タンパク質工学、天文学データ処理、リモートセンシング画像デハジング、結晶構造合成など、様々な科学関連の活動にも利用できる。
GANが獲得した他の注目すべき分野は、金融、マーケティング、ファッションデザイン、スポーツ、音楽である。
そこで本稿では,様々な分野におけるgansの応用について概観する。
まず、GAN、GAN変種、およびGANを評価するための指標を支持する理論について述べる。
次に,GANとその変種を,天文学や生物学などのSTEM分野から,マーケティングや金融などのビジネス分野,音楽などの芸術分野まで,12分野に適用する方法について述べる。
結果として、他の分野の研究者はganの働きを把握し、それらを自身の研究に適用することができる。
我々の知る限り、この記事は異なる分野におけるGANのアプリケーションに関する最も包括的な調査を提供する。
関連論文リスト
- A Comprehensive Survey of Scientific Large Language Models and Their Applications in Scientific Discovery [68.48094108571432]
大規模言語モデル(LLM)は、テキストやその他のデータ処理方法に革命をもたらした。
我々は,科学LLM間のクロスフィールドおよびクロスモーダル接続を明らかにすることで,研究ランドスケープのより総合的なビューを提供することを目指している。
論文 参考訳（メタデータ） (2024-06-16T08:03:24Z) - Getting aligned on representational alignment [93.08284685325674]
本研究では,認知科学,神経科学,機械学習における表現的アライメントの研究を行う。
重複する関心にもかかわらず、これらの分野の間には知識の伝達が限られている。
本稿では,表現アライメント研究のための共通言語として機能する統一フレームワークを提案する。
論文 参考訳（メタデータ） (2023-10-18T17:47:58Z) - 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) - A Comprehensive Survey on Applications of Transformers for Deep Learning
Tasks [60.38369406877899]
Transformerは、シーケンシャルデータ内のコンテキスト関係を理解するために自己認識メカニズムを使用するディープニューラルネットワークである。
Transformerモデルは、入力シーケンス要素間の長い依存関係を処理し、並列処理を可能にする。
我々の調査では、トランスフォーマーベースのモデルのためのトップ5のアプリケーションドメインを特定します。
論文 参考訳（メタデータ） (2023-06-11T23:13:51Z) - Face editing with GAN -- A Review [0.0]
GAN(Generative Adversarial Networks)は、ディープラーニングを扱う研究者やエンジニアの間でホットな話題となっている。
GANには、ジェネレータと識別器という、2つの競合するニューラルネットワークがある。
他の生成モデルと異なるのは、ラベルのないサンプルを学習する能力である。
論文 参考訳（メタデータ） (2022-07-12T06:51:53Z) - 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) - InsetGAN for Full-Body Image Generation [90.71033704904629]
本稿では,複数の事前学習型GANを結合する新しい手法を提案する。
1つのGANは、グローバルキャンバス(例えば、人体)と、異なる部分に焦点を当てた特別なGAN、またはインセットのセットを生成する。
フルボディのGANと専用の高品質な顔のGANを組み合わせることで、可視的外観の人間を作り出すことで、セットアップを実証する。
論文 参考訳（メタデータ） (2022-03-14T17:01:46Z) - Generative adversarial networks in time series: A survey and taxonomy [7.885673762715387]
GAN(Generative Adversarial Network)の研究は、ここ数年で指数関数的に増加している。
GANアプリケーションは時系列やシーケンス生成といった分野にまたがって多様化してきた。
GANの比較的新しいニッチとして、フィールドワークは高品質で多様性があり、プライベートな時系列データの開発を続けている。
論文 参考訳（メタデータ） (2021-07-23T09:38:51Z) - 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) - A Review on Generative Adversarial Networks: Algorithms, Theory, and
Applications [154.4832792036163]
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。
論文 参考訳（メタデータ） (2020-01-20T01:52:05Z)
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。