Plug-and-Play-Netzwerkgeneration PPGN ist eines der neuronalen Netzwerkmodelle, das von Nguyen et al. vorgeschlagen wurde. im Jahr 2016.

PPGN basiert auf ungefährer Langevin-Abtastung und verwendet eine Markow-Kette zur Bilderzeugung. Der Gradient des Langevin-Samplers wird durch einen Denoising-Autoencoder geschätzt, der mithilfe von Verlustfunktionen trainiert wird, von denen eine den GAN-Verlust umfasst.

Funktionen von PPGN

• Integrieren Sie Adversarial Training, CNN-Feature-Matching, Denoising-Autoencoder und Langevin-Sampling.
• Die generierten Bilder weisen große Unterschiede innerhalb derselben Kategorie auf und es können Bilder unterschiedlicher Kategorien und mehrerer Kategorien gemäß den angegebenen Spezifikationen generiert werden. Die generierten Bilder sind klar und haben eine hohe Auflösung.
• Mit dem Klassifizierungsnetzwerk ImageNet 1000 können Sie Bilder einer bestimmten Klasse generieren.