自动编码器 vs GAN，哪个更好？
Auto encoders vs GAN's, the better one?
伙计们，我正在做一个项目，将任何灰度图像着色为完全准确的彩色图像。
我在神经网络方面没有太多经验。
使用自动编码器或使用 CNN 的 GAN 哪个更好？
我对 GANs 方法非常感兴趣，但它在几个现实世界的案例中很有效。这是我的年终项目，请帮我选择...
- 自动编码器和 GAN 之间的主要区别在于它们的学习
过程。自动编码器正在最小化再现某个特定对象的损失
图像，因此可以被视为解决半监督学习问题。
- 另一方面，GAN 是
解决无监督学习问题。最多
在这项工作中发现的重要区别是训练时间
对于这两种方法。
- GAN 可能需要更长的时间来训练。
因此，GAN 的使用被考虑并证明了很多
更稳定。对于 GAN，这不一定会发生。
- 最终，我们可以得出结论，对于像这样的低多样性数据集
MNIST，这两种方法都能提供足够逼真的图像。
使用自动编码器可以在更短的时间内获得结果，但是
与 GAN 的结果相比，图像质量有所下降。
伙计们，我正在做一个项目，将任何灰度图像着色为完全准确的彩色图像。 我在神经网络方面没有太多经验。 使用自动编码器或使用 CNN 的 GAN 哪个更好？ 我对 GANs 方法非常感兴趣，但它在几个现实世界的案例中很有效。这是我的年终项目，请帮我选择...
- 自动编码器和 GAN 之间的主要区别在于它们的学习 过程。自动编码器正在最小化再现某个特定对象的损失 图像，因此可以被视为解决半监督学习问题。
- 另一方面，GAN 是 解决无监督学习问题。最多 在这项工作中发现的重要区别是训练时间 对于这两种方法。
- GAN 可能需要更长的时间来训练。 因此，GAN 的使用被考虑并证明了很多 更稳定。对于 GAN，这不一定会发生。
- 最终，我们可以得出结论，对于像这样的低多样性数据集 MNIST，这两种方法都能提供足够逼真的图像。 使用自动编码器可以在更短的时间内获得结果，但是 与 GAN 的结果相比，图像质量有所下降。