计算机视觉中 GAN 的第五篇文章系列 - 我们讨论了对抗训练中用于无条件图像生成的自我监督以及高分辨率图像合成中的层内规范化和风格融合。
计算机视觉中 GAN 的第四篇文章系列 - 我们探索使用多尺度 GAN 方法的 2K 图像生成、具有时间一致性的视频合成以及 ImageNet 中的大规模类条件图像生成。
计算机视觉中 GAN 的第三篇文章系列 - 我们遇到了一些最先进的训练概念，例如 Wasserstein 距离，在 GAN 训练中采用了博弈论方面，并研究了增量/渐进式生成训练以达到百万像素分辨率。
GANs in computer vision - Conditional image synthesis and 3D object generation
计算机视觉中的 GAN 系列的第二篇文章 - 更深入地了解生成对抗网络、模式崩溃、条件图像合成和 3D 对象生成、配对和非配对图像到图像生成。
GANs in computer vision - Introduction to generative learning
计算机视觉中的 GAN 系列的第一篇文章 - 生成学习、对抗学习、GAN 训练算法、条件图像生成、模式崩溃、互信息简介
Deep learning in medical imaging - 3D medical image segmentation with PyTorch
介绍了张量表示的基本 MRI 基础，以及应用深度学习方法处理特定任务问题（类别不平衡、数据有限）的基本组件。此外，我们还介绍了开源医学图像分割库的一些功能。最后，我们讨论了我们的初步实验结果并提供了查找医学影像数据的来源。
How to learn Deep Learning in 2020
你在寻找学习深度学习的地方吗？在这个资源集合中，你将找到计算机视觉、NLP 和强化学习中最流行的深度学习架构和模型
Intuitive Explanation of Skip Connections in Deep Learning
什么是跳过连接，为什么我们需要它们以及如何将它们应用于 ResNet、DenseNet 和 UNet 等架构。
