generative adversarial network
PulseAugur coverage of generative adversarial network — every cluster mentioning generative adversarial network across labs, papers, and developer communities, ranked by signal.
17 天有情绪数据
-
GANs 从 GIS 数据生成逼真的配电网布局
研究人员开发了一种使用生成对抗网络（GANs）创建逼真配电网布局的新方法。该方法利用源自地理信息系统（GIS）数据的基于图像的表示，能够进行无条件模式学习和基于地理环境的条件生成。该框架可以重现低压、中压和高压馈线的拓扑结构，并将其与底层的地理结构对齐，为现有的合成网络生成方法提供了一种数据驱动的补充。
-
生成式AI框架增强多模态神经影像分析
研究人员开发了一种新颖的多模态生成框架，用于分析结构和功能磁共振成像（MRI）数据。该框架系统地评估了各种编码策略、潜在多模态融合技术和生成模型选择。与其他的生成式变体相比，所提出的多模态图VAE（gMMVAE）架构在生成保真度、重建质量、效率和潜在空间可辨别性等指标上表现出优越性能。
-
SpiS-GAN 生成逼真手写体，改进识别系统 · 追踪 2 个来源
研究人员开发了 SpiS-GAN，一个用于合成逼真手写体的新颖框架，以解决训练手写识别系统所需标注数据稀缺的问题。该生成对抗网络在其生成器中使用了星螺旋块（Star-Spiral Blocks）和调制椭圆螺旋全连接层（Modulated Elliptical SpiralFC），使其比以前的基于 MLP 或 CNN 的模型更能追踪复杂草书轨迹。一项关键创新是 Sobel 正则化边缘重建损失（Sobel-Regularized Edge…
-
投毒攻击可规避AVs的3D点云数据集中的数据增强
一篇新的研究论文调查了投毒攻击对增强型3D点云数据集的影响，特别是对网联和自动驾驶汽车。研究发现，数据增强技术（如生成对抗网络GANs）并不能完全减轻投毒的影响。相反，投毒可以规避这些净化方法，在增强型数据集中传播，并最终改变分类器所做的决策。
-
新框架优化 AI 生成场景，实现鲁棒电网调度
研究人员开发了一种新的面向决策的生成框架，用于在配电鲁棒优化 (DRO) 中为电力系统调度创建相关场景。该方法根据生成场景对下游运营成本的影响进行优化，而不是仅仅关注拟合历史数据。该框架可适应各种生成模型，如 VAE、GAN 和扩散模型，并包含一个可微分的场景选择器以提高计算效率。案例研究表明，与传统的面向准确性的技术相比，该方法可将运营成本降低 0.80%-2.02%。
-
新数据集和检测器针对AI生成的CT图像
研究人员推出CTForensics，这是一个旨在识别AI生成的计算机断层扫描（CT）图像的新数据集和检测方法。该数据集包含75,990张2D CT图像，其中包括来自十种不同生成模型的29,990张图像的特定测试集。为应对检测这些合成图像的挑战，该团队还开发了增强型时频CT伪造检测器（ESF-CTFD），这是一个卷积神经网络（CNN）框架，集成了小波增强中心茎、多尺度空间聚合和频率感知预测块。实验表明，ESF-CTFD取得了高精度，优于…
-
新的GAN架构SuRGe增强图像超分辨率
研究人员开发了Super-Resolution Generator (SuRGe)，这是一种新颖的生成对抗网络（GAN）架构，旨在提高图像质量。SuRGe使用可学习的权重结合不同网络深度的特征，并结合Jensen-Shannon和Gromov-Wasserstein损失来提高生成器利用信息的能力。判别器使用带梯度惩罚的Wasserstein损失进行训练，以防止模式崩溃，与现有最先进的方法相比，从而提高了性能并降低了推理时间。
-
新型cGAN可从2D图像重构3D多孔介质
研究人员开发了一种新颖的条件生成对抗网络（cGAN）框架，能够从2D图像重构3D多孔介质体积。该方法独特地结合了属性条件生成与2D到3D重构，无需大量的3D训练数据，同时允许控制孔隙度等岩石物理属性。该框架采用混合架构，包含一个3D生成器和一个2D判别器，从2D切片学习3D结构，并在孔隙度控制方面取得了0.93的高$R^2$值。
-
PotatoGANs 利用合成数据和 XAI 增强病害识别
研究人员开发了一种名为 PotatoGANs 的新型数据增强技术，以改进马铃薯病害的识别和分类。该方法利用生成对抗网络 (GANs) 创建患病马铃薯的合成图像，从而扩展数据集并提高模型泛化能力，这是传统增强方法难以实现的。研究发现，与 Pix2Pix 相比，CycleGAN 生成的合成图像质量更高，Inception Score 评分也证明了这一点。此外，该研究将可解释人工智能 (XAI) 算法与各种卷积神经网络 (CNN) 架构相结…
-
综述探讨生成式人工智能和联邦学习在入侵检测中的应用
一篇新发表在arXiv上的综述文章探讨了将生成式人工智能（AI）和联邦学习（FL）相结合以增强入侵检测系统（IDS）的应用。文章强调了生成模型如何通过支持异常检测、合成数据生成和警报解释来应对不断变化的攻击行为和数据稀缺等挑战。联邦学习被提出作为一种在不共享敏感本地网络流量的情况下协同训练IDS模型的方法，使其适用于注重隐私和分布式环境。该综述对生成式AI在IDS中的应用进行了分类，包括自编码器、生成对抗网络（GANs）、扩散模型和大…
-
X-Splat 使用高斯溅射法从单张X光片生成3D牙科影像
研究人员开发了X-Splat，一个利用高斯溅射法从单张全景X光片生成3D锥形束CT（CBCT）牙科影像的新框架。该方法通过采用可学习的高斯基元，并受比尔-兰伯特重投影和放射学监督的约束，解决了从2D图像生成3D数据的欠定性问题。X-Splat通过精确重建清晰的解剖边界（包括下颌管等关键结构）优于现有的基于NeRF和GAN的方法，而这些方法之前未能捕捉到这些结构。
-
Baseus EnerFill 70W GaN 充电器降至 24.99 美元最低价
Baseus EnerFill 70W 充电器能够为笔记本电脑、手机和平板电脑供电，目前售价为 24.99 美元，是今年的最低价。这比其 39.99 美元的原价大幅折扣。
-
PCP-GAN 生成具有可控地质属性的逼真孔隙尺度图像
研究人员开发了一种名为 PCP-GAN 的条件生成对抗网络 (cGAN)，用于生成具有可控地质属性的逼真孔隙尺度图像。该框架通过在薄片图像上进行训练并以孔隙率和深度作为条件，解决了地下特征描述中的空间异质性和数据稀缺性挑战。生成的图像准确反映了整体地层属性，保留了关键的矿物学信息和形态特征，这对于碳储存和地热能等应用非常有价值。
-
新的GAN模型解决了表格数据中的类别不平衡问题
研究人员开发了ctdGAN，这是一种新颖的条件生成对抗网络，旨在解决表格数据集中的类别不平衡问题。该新模型将输入样本划分为簇，并采用概率采样策略在这些已识别的子空间内生成合成数据。该方法还结合了分簇缩放技术来捕获多个特征模式，以及一个在簇和类别级别上惩罚错误预测的损失函数。在14个不平衡数据集上的评估表明，ctdGAN在生成高保真样本和提高分类准确性方面是有效的。
-
数据中心电力升级将提振SiC/GaN半导体；苹果供应商遭勒索软件攻击
中金公司的一份报告指出，随着人工智能计算需求的不断增长，以SiC和GaN为代表的第三代半导体核心器件有望从数据中心电力系统的升级中获益。报告预计2026年将是数据中心高压架构广泛采用的关键一年，其中SiC预计将在“灰区”（服务器机房侧）占据主导地位，而GaN将在“白区”（机柜内）获得显著渗透。另外，针对苹果印度供应商Tata Electronics的勒索软件攻击导致了敏感的组件和供应商列表泄露，其中包括即将推出的iPhone 18 P…
-
中国公司警告AI炒作，数据中心升级供电系统
中国A股公司正针对AI服务器、光模块、人形机器人等热门概念的投机交易发布风险提示并澄清业务边界。专家建议投资者警惕缺乏核心技术、规模化订单或现金流的公司，以免落入炒作陷阱。市场预计将从叙事驱动估值转向业绩验证，青睐具备技术壁垒和订单转化能力的公司。此外，AI算力的进步正推动数据中心供电系统向高压架构演进，SiC和GaN半导体器件有望受益于此次升级。
-
人工智能操纵被指在恐怖袭击幸存者证词中用于仇恨言论
邦迪海滩恐怖袭击的一名幸存者报告称，他经历了大量的仇恨和操纵，并将其中一些归因于人工智能。这一声明是在一次专注于网络仇恨言论和反犹主义的皇家委员会听证会上发表的。委员会正在审查社交媒体平台的作用，其中一个平台被描述为在参与诉讼方面充满敌意。
-
流匹配研究推动生成模型和逆问题发展 · 跟踪10个来源
近期研究探索了用于生成模型和逆问题的流匹配技术的进展。论文介绍了用于高效多模态基于仿真的后验估计的FUSE，用于具有不确定性量化的稳定逆设计的对角流匹配（Diag-CFM），以及用于约束生成的拉格朗日对偶流。其他工作侧重于用于改进期望估计的得分正则化联合采样以及扩散和流匹配采样器的渐近保持分析。此外，流匹配正应用于稀疏视图CT重建和地球物理反演，展示了其在各种科学和工程领域的通用性。
-
新框架增强了低数据量下的合成表格数据生成能力
研究人员开发了一个名为 ReFine 的新框架，以改进合成表格数据的生成，尤其是在数据量少的场景下。该方法解决了现有方法（如 GAN 和微调的 LLM）的局限性，这些方法通常需要大量参考数据，并可能产生分布漂移或冗余的输出。ReFine 利用嵌入到提示中的符号化 if-then 规则来指导生成，并采用双粒度过滤来减少过采样同时保留重要的稀有样本，在下游任务性能方面表现出显著的改进。
-
综述详述面向生成对抗网络的神经架构搜索
本文全面回顾了应用于生成对抗网络（GANs）的神经架构搜索（NAS）技术。文章对各种NAS方法进行了分类和比较，重点关注搜索策略、评估指标和性能结果。该综述强调了NAS在提高GAN性能、稳定性和效率方面的优势，同时也指出了当前的局限性和未来的研究方向。主要发现表明，进化算法和基于梯度的方法在某些场景下特别有效，并强调需要超越Inception Score（IS）和Fréchet Inception Distance（FID）的评估…