公布人：GoogleResearchBrain团队协商员JonathanHo和软件工程师ChitwanSaharia

果然图象合成是界限很广的一类机械进修(ML)职责，碰面对种种范例的运用所带来的很多计划挑战。此中之一即是图象超分辩率，即锻炼一个模子来将低分辩率的图象，更动为细节丰饶的高分辩率图象（譬喻RAISR）。超分辩率的运用有很多，从恢怀旧旧的家属画像，到革新调理成像系统(Super-resolutionimaging)，均有观赏。另一个相似的图象合成职责是类前提下的图象生成，即锻炼一个模子，并遵循输入的种别标签生成模范图象。最后生成的模范图象可用于升高图象分类、分裂等下游模子的机能。譬喻，GAN每每遭到不波动的锻炼和形式崩溃的影响，而自回归模子每每遭到合成速率慢的影响。

RAISR

转载请注明:http://www.aideyishus.com/lkzp/1255.html