MétaCan
Menu
Constructeur de cohorte

4 299 418 travaux, canadiens par l’une de quatre routes.

Chaque état de filtre est une URL; l’URL est la requête; la requête est citable via /q/⟨hash⟩. La page, l’API et l’export analysent les mêmes paramètres.

La cohorte courante, diffusée en continu depuis la base de données : toutes les colonnes des travaux, les étiquettes machine, les scores provisoires et l'état de validation de chaque rangée. Les exportations sont plafonnées à 100 000 rangées. Crée un lien /q/ permanent pour cette requête exacte. Les mêmes filtres produisent toujours le même lien, qui que soit le demandeur.

Terme de recherche
Auteur ou autrice
Période
Ordre
Langue
Type
Domaine
Revue
Sujet
Generative Adversarial Networks and Image Synthesis
Rétractation
Résumé
Source des données probantes
Devis d'étude
Accord des étiquettes
État des étiquettes

Les étiquettes directes de Codex et Gemma sont non validées et clairsemées. Les prédictions distillées couvrent la base complète et sont elles aussi non validées. Choisissez explicitement la source; l'absence d'une étiquette directe n'est jamais une étiquette négative.

affaffiliation
fundbailleur
venuerevue
aboutsujet

Les quatre voies se composent : exigez la voie du financement et excluez l'affiliation pour obtenir la strate financée-seulement qu'aucune base fondée sur l'affiliation ne voit jamais.

668 résultats · 1 filtre actif ·
Résultats par année
20002025
Date de publication
Catégories
Étiquettes machine · couverture clairsemée
Preuves
Langue
Type
Citations
Un travail non étiqueté est inconnu, pas un négatif. La couverture est rapportée à chaque requête.
668 travaux dans la cohorte · sur 4 299 418page 6 sur 14

Les étiquettes couvrent 1 des 668 travaux de cette cohorte. Les autres sont non étiquetés, ce qui n'est pas une étiquette négative : la table des étiquettes est clairsemée aujourd'hui et s'enrichit au fil des rondes d'étiquetage.

Les prédictions distillées couvrent 668 des 668 travaux de cette cohorte. Ces prédictions portent le statut machine_predicted_unvalidated. Le volet Gemma est une étiquette directe du modèle pour chaque travail (titre seulement); le volet Codex est un classifieur distillé et calibré. Le mode candidate est l'union; le consensus est l'intersection.

affnon étiqueté
Channel Attention Networks for Image Translation
Song Sun, Bo Zhao, Xin Chen, Muhammad Mateen, Junhao Wen
2019· article· en· IEEE Access· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
9
citations
affnon étiqueté
RAST: Restorable Arbitrary Style Transfer
Yingnan Ma, Chenqiu Zhao, Bingran Huang, Anup Basu
2023· article· en· ACM Transactions on Multimedia Computing Communications and Applications· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
9
citations
affnon étiqueté
Generative mixture of networks
Ershad Banijamali, Ali Ghodsi, Pascal Popuart
2017· article· en· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
9
citations
affnon étiqueté
ResViT
Wasim Ahmad, Sahibzada Adil Shahzad, Ammarah Hashmi, Faisal Ghaffar
2022· article· en· International journal of electrical and computer engineering systems· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
8
citations
affnon étiqueté
On the Expressive Power of Restricted Boltzmann Machines.
James Martens, Arkadev Chattopadhyay, Toniann Pitassi, Richard S. Zemel
2013· article· en· Neural Information Processing Systems· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
8
citations
affsans résuménon étiqueté
RGAN: Rényi Generative Adversarial Network
Aydin Sarraf, Yimin Nie
2021· article· en· SN Computer Science· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
8
citations
affnon étiqueté
Bidirectional Helmholtz Machines
Jörg Bornschein, Samira Shabanian, Asja Fischer, Yoshua Bengio
2015· preprint· en· arXiv (Cornell University)· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
8
citations
affsans résuménon étiqueté
Landmark-Guided Conditional GANs for Face Aging
Xin Huang, Minglun Gong
2022· book-chapter· en· Lecture notes in computer science· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
7
citations
affnon étiqueté
Tailor Me: An Editing Network for Fashion Attribute Shape Manipulation
Youngjoong Kwon, Stefano Petrangeli, Dahun Kim, Haoliang Wang, Viswanathan Swaminathan, Henry Fuchs
2022· article· en· 2022 IEEE/CVF Winter Conference on Applications of Computer Vision (WACV)· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
7
citations
afffundnon étiqueté
SAC-GAN: Structure-Aware Image Composition
Hang Zhou, Rui Ma, Lingxiao Zhang, Lin Gao, Ali Mahdavi‐Amiri, Hao Zhang
2022· article· en· IEEE Transactions on Visualization and Computer Graphics· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
7
citations
affsans résuménon étiqueté
Abstract: Würstchen
Pablo Pernias, Dominic Rampas, Mats L. Richter, Christopher Pal, Marc Aubreville
2025· book-chapter· de· Informatik aktuell· Computer Science
prédiction machine:candidate · insufficient_payloadconsensus · aucune
7
citations
affgemma · aucune catégoriegpt · aucune catégoriemodèles en accord
GAN-enhanced Conditional Echocardiogram Generation
Amir H. Abdi, Teresa S.M. Tsang, Purang Abolmaesumi
2019· preprint· en· arXiv (Cornell University)· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
6
citations
fundno affnon étiqueté
Sparse-Coding Variational Autoencoders
Victor Geadah, Gabriel Barello, Daniel Greenidge, Adam S. Charles, Jonathan W. Pillow
2024· article· en· Neural Computation· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
6
citations
affnon étiqueté
Labels4Free: Unsupervised Segmentation using StyleGAN
Rameen Abdal, Peihao Zhu, Niloy J. Mitra, Peter Wonka
2021· preprint· en· 2021 IEEE/CVF International Conference on Computer Vision (ICCV)· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
6
citations
afffundnon étiqueté
Cross-Spectrum Thermal Face Pattern Generator
Xingdong Cao, Kenneth Lai, Gee-Sern Hsu, Michael R. Smith, Svetlana Yanushkevich
2022· article· lv· IEEE Access· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
6
citations
affnon étiqueté
Learning Generative Models with Visual Attention
Yichuan Tang, Nitish Srivastava, Ruslan Salakhutdinov
2013· preprint· en· arXiv (Cornell University)· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
6
citations
affnon étiqueté
Deep Probabilistic Canonical Correlation Analysis
Mahdi Karami, Dale Schuurmans
2021· article· en· Proceedings of the AAAI Conference on Artificial Intelligence· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
6
citations
affnon étiqueté
Boundary Seeking GANs
R Devon Hjelm, Athul Paul Jacob, Adam Trischler, Gerry Che, Kyunghyun Cho, Yoshua Bengio
2018· article· en· International Conference on Learning Representations· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
6
citations
aboutno affnon étiqueté
Survey on generative adversarial networks
Yashwanth Nanjappa, P. Navya, Md. Rukhiya, K. S. V. Prasad, K. S. Deepthi
2019· article· en· International journal of advance research, ideas and innovations in technology· Computer Science
prédiction machine:candidate · aucuneconsensus · aucune
6
citations

En coulisses: Sélection · Constats · À propos