学习基于流的特征变形以实现照明正面不一致的人脸正面化
《Learning Flow-based Feature Warping for Face Frontalization with Illumination Inconsistent Supervision》论文笔记
致力于更快更稳定的GAN训练 以实现高精确度的少样本图像合成
《TOWARDS FASTER AND STABILIZED GAN TRAINING FOR HIGH-FIDELITY FEW-SHOT IMAGE SYNTHESIS》论文阅读笔记。
SuperFront从低分辨率人脸进行正面化
《SuperFront: From Low-resolution to High-resolution Frontal Face Synthesis》论文笔记
Stacked Progressive Auto-Encoders(SPAE) for Face Recognition Across Poses
- 堆叠浅层的渐进自动编码器，将大角度姿态矫正划分为多个更小的姿态矫正模型。堆叠多个浅层编码器逐步将非正面人脸转为正脸。
- 最靠近顶端隐藏层的stacked network包含更小的姿态变化，它可以为人脸识别提供pose-rubust特征。
- 通过堆叠渐进式编码器，迫使网络layer by layer的接近最终目标。
Conditional Generation by GAN
李宏毅老师GAN课程的第二讲。
条件GAN与一般的GAN，区别主要在于，输入数据是成对出现的，即（条件，X）。
GAN初识
李宏毅老师GAN课程的笔记
你好，新世界。
这是一个新的开始，是的。
摘抄-胶囊网络小综述
摘抄的关于胶囊网络的综述
