码迷,mamicode.com
首页 > 其他好文 > 详细

《Image Generation with PixelCNN Decoders》论文笔记

时间:2017-11-12 12:36:05      阅读:187      评论:0      收藏:0      [点我收藏+]

标签:技术分享   decode   pix   团队   速度慢   open   dataset   coder   技术   

论文背景:Google Deepmind团队于2016发表在NIPS上的文章

motivation:提出新的image generation model based on pixelCNN[1]架构。可以为任意输入vector结合标签生成图片,在先验信息的前提下加入条件分布信息

模型关键:根据链式条件概率,逐行生成,逐像素点生成

相对于GAN的优势:

  • GAN只善于处理连续数据,pixelCNN对连续数据和非连续数据都能很好perform
  • 链式likelihood表达技术分享可以比GAN更好的提供生成目标的评价系统,虽然也不尽完美

 

相对于GAN的劣势:

1. 训练速度慢得吓死人,openAI基于CIFR dataset 收敛需要8块Titan上train 5天,直接打消本穷人的训练欲望
2. sample quality明显不如GAN。

1.Aaron van den Oord, Nal Kalchbrenner, and Koray Kavukcuoglu. Pixel recurrent neural networks. arXiv

preprint arXiv:1601.06759, 2016.

《Image Generation with PixelCNN Decoders》论文笔记

标签:技术分享   decode   pix   团队   速度慢   open   dataset   coder   技术   

原文地址:http://www.cnblogs.com/punkcure/p/7821229.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!