PyTorchによる画像生成/画像変換のためのGANディープラーニング実装ハンドブック


説明

[self@local] ← ローカルPCのpython仮想環境でjupyterを起動し実行するコード。
[本のソースコード] ← Google Colab 上で実行するコード。


内容

タイトルself@local本のソースコード@Colab
第1章生成モデル
第2章変分オートエンコーダ (VAE)
2.1オートエンコーダ html   ipynb html   ipynb
2.2変分オートエンコーダ html   ipynb html   ipynb
第3章GANの基本モデル (DCGAN, CGAN, LSGAN)
3.1GAN の仕組み html   ipynb
3.2DCGAN html   ipynb html   ipynb
3.3Conditional GAN html   ipynb html   ipynb
3.4LSGAN html   ipynb html   ipynb
第4章超解像 (ESRGAN)
4.3ESRGAN html   ipynb html   ipynb
第5章ドメイン変換 (pix2pix, CycleGAN)
5.1pix2pix モデル html   ipynb html   ipynb
5.2CycleGANモデル html   ipynb html   ipynb
第6章動画変換 (Recycle-GAN)
6.2CycleGANを使って顔を変換する html   ipynb html   ipynb
6.3RecycleGANを使って顔を変換する html   ipynb html   ipynb
第7章StyleGAN
7.1StyleGAN とは html   ipynb html   ipynb
7.2StyleGAN html   ipynb html   ipynb
第8章異常検知 (AnoGAN, EfficientGAN)
8.1生成モデルを用いた異常検知
8.2異常検知のデータセットの準備
8.3AnoGAN について html   ipynb html   ipynb
8.4EfficientGAN について html   ipynb html   ipynb
8.5EfficientGAN の問題点と改良 html   ipynb html   ipynb
第9章3Dデータの生成 (3D-α-WGAN-GP)
9.33D-α-WGAN-GP について html   ipynb html   ipynb
Appendix理論の補足

本のソースコード



Yoshihisa Nitta

http://nw.tsuda.ac.jp/