Scidown文献预览系统！
无监督k -模态风格内容生成( Unsupervised K-modal Styled Content Generation )
O Sendik D Lischinski D Cohen-Or StyleGAN generative adversarial networks multi-modal distributions
近年来，基于深度神经网络的生成模型的出现，使得二维和三维图形内容的自动生成成为可能。生成性对抗性网络（GANs）和风格控制机制（如自适应实例规范化（Adaptive Instance Normalization,AdaIN））在这种情况下被证明是特别有效的,在最先进的风格结构中达到了顶点。虽然这样的模型能够学习不同的分布，如果提供足够大的训练集，它们并不很适合于训练数据的分布表现出多模态行为的场景。在这种情况下，在数据域中将潜在空间上的均匀或正态分布重塑为复杂的多模态分布是具有挑战性的，并且产生的样本的质量可能因此受到影响。此外，不同的模式与数据的其他属性纠缠在一起，因此，模式转换不能通过连续的样式参数来很好地控制。在本文中，我们介绍了uMM-GAN，一种新颖的体系结构，旨在以无监督的方式更好地建模这种多模态分布。在StyleGAN架构的基础上，我们的网络以完全无监督的方式学习多种模式，并使用一组学习到的权重组合它们。非常引人注目的是，我们证明了这种方法能够在训练集中归位到自然模式，并且有效地将复杂分布近似为多个简单分布的叠加。我们证明uMM-GAN更好地处理多模态分布，同时在模态和它们的风格之间分离，从而提供对生成内容的独立程度的控制。
SciDown文献求助系统（解决99%问题） Public Download ResearchGate ACM arXiv.org
『Sci-Hub|Scidown』怎么用？来看看教程吧！

支持模式 1.支持DOI号 2.支持英文文献全名搜索 3.支持参考文献搜索 4.知网文献（暂时关闭）

安卓手机、电脑用户，您可以在QQ浏览器里输入 www.scidown.cn 打开scidown解析，就可以解析、下载了！（注意是文献的DOI号）

苹果手机用户，您需要先在App Store里搜索并下载 Documents by Readdle 这个APP，在APP首页，左划右下角的指南针图标打开APP内置浏览器，在浏览器里输入 www.scidown.cn 打开scidown解析，就可以解析、下载了！

如出现BUG？赶快加入【Scidown互助交流群】反馈吧：729083885【点击一键加群】
『Sci-Hub|Scidown』相关参考文献
scidown 二维石墨烯/BlueP/MoS 2 van der Waals多层异质结构作为LIBs高性能负极材料下载
scidown 柔性超级电容器的自愈合和生态友好水凝胶下载
scidown 关键词:10.1016/S0016-7037(03)00105-4醌介导的细菌铁(III)还原反应建模下载