进阶のmky 2021-12-08 16:05 采纳率: 50%
浏览 71
已结题

GAN生成的图片质量很差

一个简单的网络生成动漫人物头像，迭代30多次了生成的图片质量一直这样，大概是哪块出问题了呢。

img

  • 写回答

0条回答 默认 最新

    报告相同问题？

    • GAN生成器好坏之评价方法
      2024-09-06 00:25
      前行居士的博客 具体来讲，如 果什么图片输入到图像分类系统中的输出都是第二种类别，那代表说每一张图片也许都很像， 也就代表输出的多样性是不够的，那如果另外一个案例不同张图片丢进去，它的输出分布都 不一样，那就代表说多样...
    • GAN（生成对抗网络2014论文）
      2021-08-17 09:45
      在训练开始时，G生成的样本质量较差，D很容易就能区分。随着训练进行，G逐渐提升生成样本的质量，而D也在不断进化以更好地鉴别。当达到平衡点时，D无法区分真实与生成样本，此时G生成的数据质量被认为是最高的。这个...
    • 深度学习：GAN图像生成
      2024-10-01 00:57
      Landy_Jay的博客 生成对抗网络（GAN）的基本原理基于两个神经网络之间的博弈过程：一个生成器（Generator, G）和一个判别器（Discriminator, D）。输入-输出图像对指的是两个相关的图像，其中一个图像是另一个图像经过某种变换后的...
    • 高级 GAN 技巧: 如何提高生成质量
      2024-01-07 02:10
      光子AI的博客 GAN(Generative Adversarial Networks，生成对抗网络)是一种深度学习技术，主要用于生成图像、文本、音频和其他类型的数据。GAN 的核心思想是通过两个相互对抗的神经网络来学习数据的分布。这两个网络分别称为生成器...
    • 生成式对抗网络GAN
      2024-01-15 09:57
      月落霜满天的博客 两阶段扩散模型可以进一步提高生成图片的质量，其效果通常超过了单一的GAN模型 大模型下的GAN-GigaGAN 针对增加StyleGAN架构容量会导致不稳定的问题，来自浦项科技大学（韩国）、卡内基梅隆大学和Adobe研究院的研究...
    • 基于生成对抗网络（GAN）模型的图像生成完整案例
      2024-11-11 19:43
      搞技术的妹子的博客 GAN的基本思想是通过两个神经网络的对抗训练来生成样本数据。生成器（Generator）：生成器的目标是从噪声数据中生成尽可能真实的图像。生成器通过接收随机噪声（通常是一个低维的向量）作为输入，经过一系列的神经...
    • 用PyTorch在AI人工智能中进行图像生成
      2025-04-04 13:42
      光子AI的博客 本文旨在为读者提供使用PyTorch进行AI图像生成的全面指南。主流图像生成模型的原理和实现PyTorch框架下的编码实践模型训练和优化的技巧实际应用场景和案例分析文章首先介绍图像生成的基本概念和背景知识，然后深入...
    • 【AI广延 | GAN】一文带你了解生成对抗网络
      2023-06-23 08:44
      秋说的博客 近年来，深度学习在很多领域的都取得了突破性进展，但大家似乎发现了这样...2014 年 Goodfellow 等人启发自博弈论中的二人零和博弈 ，开创性地提出了生成对抗网络 （GAN）生成对抗网络包含一个生成模型和一个判别模型。
    • 震惊！GAN（生成对抗网络）爆出惊天缺陷！
      2025-08-30 21:01
      小殊小殊的博客 GAN训练常见问题剖析：生成质量低、模式崩溃和超参数敏感等问题源于GAN原生缺陷——生成器无法影响判别器对真实样本的判断。普通GAN中，判别器对真样本的判别完全独立于生成器，而生成器仅优化假样本的生成质量，...
    • 【深度学习】基于GAN的动漫图像生成
      2023-10-29 17:17
      小海Coding的博客 总的来说，通过使用PyTorch搭建生成对抗网络（GAN）实现动漫图像生成的实验，我们深入了解了GAN的原理和应用，并学会了使用训练好的模型生成逼真的动漫图像。然而，需要注意的是，GAN模型的训练过程具有一定的挑战性...
    • 没有解决我的问题, 去提问

    问题事件

    • 系统已结题 12月16日
    • 创建了问题 12月8日