x = self.conv4(x)
x = self.fc_conv(x)
return x
def decode(self x):
x = self.fc_deconv(x)
x = self.deconv1(x)
x = self.deconv2(x)
x = self.deconv3(x)
x = self.deconv4(x)
return x
def forward(self x):
x = self.encode(x)
x = self.decode(x)
return x
下面是来自 CELEBA 数据集的人脸片段和来自 avatar 数据集的人脸部分的嵌入图 。可以看到这些图表有一些相似之处 。
我们来试试这个模型的结果：
使用自动编码器方法 ， 嵌入更好一些 ， 小干扰只会轻微影响最终结果 。
总结我们可以看到 ， 通过这种方式 ， 几乎不需要进行任何的大型训练就可以在不同风格之间进行切换 ， 但这里的问题也很明显嵌入提取器（第二个隐藏层）还有很大的改进空间 。
https://avoid.overfit.cn/post/65e58d9868e349ed8380b6a980112dba
作者：Akvelon
- 传音|一千出头的三级能效空调真实使用体验，看完告诉你到底能不能买？
- iPhone|使用光耦隔离时应考虑几个问题
- 本文转自：济南日报在中秋佳节来临之际|济南首台无人驾驶清扫机器人亮相泉城广场
- Netflix|盛通教育：人工智能与机器人编程哪个好
- |将函数组合起来使用会有什么样的效果？不妨看看这6组，功能真强
- iPhone14|4000元的手机别瞎买，这3款手机能够流畅使用4年，可以闭眼买
- 机器人|速看，别让你的擦窗机器人买亏了
- 机器人|《在腾讯，做HR》这则视频，道出了HR最真实的模样！
- 如何攻克计算机科学圣杯？自动机器学习让AI模型在几秒内给出结果
- 耳机|魅蓝王者回归，超强蓝牙主动降噪耳机，魅蓝blus 2使用体验