Derniers articles pour Réseaux de neurones antagonistes génératifs

UFed-GAN permet d'apprendre à partir des données tout en préservant la vie privée et en minimisant les exigences en matière de calcul.

Cette recherche utilise l'IA pour améliorer la détection des photons en physique des particules.

Une méthode pour améliorer le contrôle qualité en détectant les défauts dans les produits en bois.

Un nouveau modèle hybride améliore la qualité des images en utilisant des méthodes quantiques et classiques.

CartoonDiff simplifie la cartoonisation des images sans avoir besoin de modèles complexes ou d'entraînement.

Les chercheurs utilisent l'apprentissage automatique pour améliorer la collecte de données gamma avec des cGANs.

Une nouvelle méthode améliore la génération et la segmentation d'images rétiniennes pour le diagnostic médical.

GradPaint améliore le remplissage d'images en mélangeant le contenu généré de manière fluide avec les zones existantes.

Un nouveau modèle améliore la précision de la détection tactile pour les robots en utilisant des données simulées et réelles.

Un nouveau cadre améliore la qualité de reconstruction des images PET tout en minimisant l'exposition aux radiations.

RADIANCE accélère la création de cartes de couverture sans fil précises grâce à l'IA.

Explorer des techniques pour détecter et éviter les malwares dans la cybersécurité moderne.

Présentation de PFL-GAN : une solution sur mesure pour la variabilité des clients dans l'apprentissage fédéré.

Un coup d'œil sur l'oubli machine pour améliorer les modèles génératifs et leurs sorties.

Une nouvelle méthode améliore la génération de deepfake et s'attaque aux risques de désinformation.

De nouvelles méthodes améliorent la création d'objets 3D détaillés de manière efficace.

LATTICE améliore la détection d'anomalies dans les systèmes cyber-physiques grâce à un apprentissage structuré.

Une nouvelle méthode combine des images médicales pour un meilleur diagnostic des patients.

FG-NeRF améliore le rendu 3D en améliorant l'estimation de l'incertitude dans des scènes complexes.

GD-NeRF s'attaque au flou d'image dans la synthèse de nouvelles vues.

Une nouvelle approche améliore la capacité des modèles génératifs à créer des images réalistes.

Découvrez l'évolution des méthodes pour combler les lacunes dans les médias visuels.

Une nouvelle méthode permet d'éditer rapidement plusieurs images en même temps.

Découvre les dernières techniques et défis pour créer des images à partir de texte.

Créer des données synthétiques aide les chercheurs à étudier le stress tout en protégeant les infos perso.

tGAN améliore l'analyse des images cellulaires grâce à la génération de données synthétiques.

Une nouvelle méthode améliore la réduction des données météorologiques pour de meilleures prévisions locales.

Une nouvelle méthode combine l'IA et la sécurité traditionnelle pour des communications sans fil plus sûres.

TimEHR génère des données de séries temporelles synthétiques réalistes à partir de dossiers de santé électroniques pour aider à la recherche.

Présentation d'une méthode plus rapide pour la synthèse vocale de haute qualité utilisant des modèles de diffusion.

Un aperçu des modèles de diffusion et de leur impact sur l'IA générative.

Une méthode pour améliorer les performances des GAN avec des données déséquilibrées.

OSASIS révolutionne la stylisation des images tout en préservant les détails et la structure d'origine.

Une nouvelle méthode améliore la génération, la reconstruction et la représentation des données en apprentissage automatique.

L'IA générative propose des outils innovants pour l'analyse de données en géosciences.

Une nouvelle approche améliore l'échantillonnage de données dans des systèmes physiques complexes.

Explorer les récents aperçus sur les données synthétiques et les défis en matière de confidentialité.

Explorer comment les innovations en IA peuvent améliorer les véhicules automatisés connectés et la sécurité des transports.

Cette étude examine le rôle des exemples synthétiques dans la vérification de l'auteur.

Cette étude améliore la classification des cultures en utilisant la génération de données synthétiques pour une meilleure précision.