Génération de réseau Plug and Play PPGN est l'un des modèles de réseaux neuronaux proposés par Nguyen et al. en 2016.

PPGN est basé sur un échantillonnage approximatif de Langevin et utilise une chaîne de Markov pour générer des images. Le gradient de l'échantillonneur de Langevin est estimé par un autoencodeur de débruitage, qui est formé à l'aide de fonctions de perte, dont l'une inclut la perte GAN.

Caractéristiques de PPGN

• Intégrer la formation contradictoire, la correspondance des fonctionnalités CNN, l'auto-encodeur de débruitage et l'échantillonnage de Langevin ;
• Les images générées présentent de grandes différences au sein d'une même catégorie et peuvent générer des images de différentes catégories et de plusieurs catégories selon les spécifications spécifiées. Les images générées sont claires et ont une haute résolution.
• Vous pouvez utiliser le réseau de classification ImageNet 1000 pour générer des images d'une classe spécifique.