「CV研究合辑」，是智东西公开课针对计算机视觉推出的一档合辑，聚焦于计算机视觉前沿领域研究成果与进展的讲解。每一讲由主讲与答疑两个环节组成，其中，主讲60分钟，采用视频直播形式，答疑30分钟，将在相应交流群进行。
神经网络由于网络特征或决策逻辑在语义层面难以理解，同时也缺少数学工具去诊断与评测网络的特征表达能力，进而解释目前不同神经网络模型的信息处理特点，一直被大家称为是一种“黑箱”。而如何对神经网络进行“解释”，成为近年来的热门研究方向。
生成对抗网络近年来随着其不断的发展，生成图片的质量以及模型的训练稳定性不断提高。然而，对于对抗生成网络的可解释性还少有研究。生成图片的过程是否有迹可循？生成模型是否像分类模型一样可以学到高级的语义信息？除了生成高清图片之外，一个预训练好的生成模型还有哪些应用？
6月5日晚8点，智东西公开课「CV研究合辑」第7讲直播开讲，由香港中文大学MMLab在读博士沈宇军为大家深度讲解《生成对抗网络的可解释性研究及其应用》。沈博士将从隐空间的角度出发，深入分析对抗生成网络的可解释性，并介绍如何对生成网络自发学到的知识进行再利用，使得一个预训练好的模型可以被应用到各种各样的任务中去。
沈宇军，香港中文大学MMLab在读博士，师从汤晓鸥教授和周博磊教授，香港博士研究生奖学金计划（HKPFS）获得者。沈博士本科毕业于清华大学电子工程系。
 课 程 内 容 
主题：
生成对抗网络的可解释性研究及其应用
提纲：
1、生成对抗网络的可解释性
2、基于隐空间可解释性的深度解析
3、如何对生成网络自发学到的知识进行再利用
 讲 师 介 绍 
沈宇军，香港中文大学MMLab在读博士，师从汤晓鸥教授和周博磊教授，香港博士研究生奖学金计划（HKPFS）获得者；本科毕业于清华大学电子工程系。
 直 播 信 息 
直播时间：6月5日20点
直播地点：智东西公开课小程序
答疑地址：GAN交流群
加入交流群
本次课程的讲解分为主讲和答疑两部分，主讲以视频直播形式，答疑将在「GAN交流群」进行。
加入交流群，除了可以免费收看直播之外，还能认识讲师，与更多同行和同学一起学习，并进行深度讨论。
扫码添加小助手糖糖（ID：hitang20）即可申请，备注“姓名-公司/学校/单位-职位/专业”的朋友将会优先审核通过哦~
往期回顾
「CV研究合辑」现已完结六讲，讲解的内容包含了迁移学习中的领域适应、生成对抗网络GAN、深度强化学习、以及三位重建等，课程累计观看13500余人次。点击下方图片可以观看所有课程回放。
点个“在看”和大家一起聊聊
👇👇👇
继续阅读
阅读原文
关键词
计算机视觉
模型
智东西公开课
课程
神经网络