檢索結果:共41筆資料 檢索策略: "generative adversarial network".ekeyword (精準) and ckeyword.raw="生成對抗網路"
個人化服務 :
排序:
每頁筆數:
已勾選0筆資料
1
本研究探討心肌T1映射技術中常見的問題,即呼吸引起MOLLI影像之間的錯位,進而影響T1映射的準確性,需要進行運動校正。我們提出了一種解決方案,透過使用生成對抗網絡來生成一致心臟位置的虛擬MOLLI…
2
我們提出透過Wasserstein損失函數的生成對抗網路輔助擷取人臉屬性特徵(Disentangle Represenetation of Generative Adversarial Networ…
3
最近基於深度學習的方法已經在圖像修復領域非常進步。然而,目前存在的方法時常在修補完圖片之後,遮罩區域的邊界仍然是模糊的,甚至容易生成扭曲的結構。這主要是因為過去方法使用卷積神經網路從遮罩周圍的空間複…
4
本論文實作一個可根據使用者輸入條件而生成高解析度人臉圖像的系統。我們首先實 作一個基於漸進式生長生成對抗網路以及Wasserstein距離的高解析圖像生成器,並使 用CelebA資料庫訓練其生成高解…
5
非監督式圖像轉換的目標是在兩個非成對的數據樣本中找到對應關係。一種方法是以補丁為單位的對比學習來達成單向的圖像轉換,最大化輸入與輸出影像中相對應之補丁的相互資訊,且將其他來自輸入影像中的非對應補丁視…
6
我們提出透過三個子網路架構的生成對抗網路(Triple Component Generative Adversarial Nets, TC-GAN)進行姿態/年齡變數分離(Pose/Age Vari…
7
像差對於一個光學系統的成像好壞有著關鍵性的影響,也因此像差的量測就顯得至關重要,由於像差主要是來自於光學系統中,理想的波前被破壞,所以為了得知像差的型態與大小,我們必須進一步的去量測光學系統的波前並…
8
深度重建是理解影像中物體與場景之間幾何關係的重要關鍵,其能夠提供除了平面 資訊 外更為立體的環境要素。而近年來已經提出許多深度學習在深度預測 的應用,然而在室內場景的單眼影像深度預測中,模型…
9
鏈結洪泛攻擊(Link Flooding Attack, LFA)主要以目標區域內的多台伺服器作為目標,此攻擊會堵塞目標鏈結—目標區域與外部區域間的鏈結,因為利用低速且大量的流量來偽裝成正常流量,而…
10
近年來,隨著動漫相關領域蓬勃發展,動漫相關企劃數量與動漫市場價值持續攀升,觀眾對動畫品質的要求也日益提高。然而,動畫從業者的年齡結構逐漸老化,他們的工作負擔也越來越沉重。在動畫製作過程中,常需參考現…