Wav2lip预训练模型，包含人脸检测模型、wav2lip生成模型、wav2lip_gan生成模型、wav2lip判别模型等，使用此模型通过音频驱动视频，生成最终的嘴型与语音的匹配

Automatic generation of natural language from images has attracted extensive attention. In this paper, we take one step further to investigate generation of poetic language (with multiple lines) to an image for automatic poetry creation.

1 GaN 功率管的发展微波功率器件近年来已经从硅双极型晶体管、场效应管以及在移动通信领域被广泛应用的LDMOS 管向以碳化硅 （ SiC ）、氮镓 （ GaN ） 为代表的宽禁带功率管过渡。SiC、GaN 材料，由于具有宽带隙、高饱和漂移速度、高临界击穿电场等突出优点，与刚石等半导体材料一起，被誉为是继第一代 Ge、Si 半导体材料、第二代 GaAs、InP 化合物半导体材料之后的第三代半导体材料。 在光电子、高温大功率器件和高频微波器件应用方面有着广阔的前景。SiC 功率器件在 C 波段以上受频率的限制，也使其使用受到一定的限制；GaN 功率管因其大功率容量等特点，成为发较快的宽禁带器件。GaN 功率管因其高击穿电压、高线性性能、高效率等优势，已经在无线通信基站、广播电视、电台、干扰机、大功率雷达、电子对抗、卫星通信等领域有着广泛的应用和良好的使用前景。GaN 大功率的输出都是采用增加管芯总栅宽的方法来提高器件的功率输出，这样使得管芯输入、输出阻抗变得很低，引入线及管壳寄生参数对性能的影响很大，一致直接采用管壳外的匹配方法无法得到大的功率输出甚至无法工作。解决方法就是在管壳内引

有限厚垒应变纤锌矿AlGaN/GaN异质结中的电子迁移率及其压力效应，武维，班士良，基于力平衡方程，考虑界面和半空间模光学声子对电子的散射，讨论室温及高于室温下，有限厚垒应变纤锌矿氮化物AlGaN/GaN异质结中的电

anime-faces数据集，GAN-动漫二次元数据集

Social GAN: Socially Acceptable Trajectories with Generative Adversarial Networks的实现代码+数据源，免去下载数据这一步

【达摩老生出品，必属精品，亲测校正，质量保证】 资源名：matlab_GAN网络_对抗生成网络_GAN_Base_on_Matlab 资源类型：matlab项目全套源码 源码说明： 全部项目源码都是经过测试校正后百分百成功运行的，如果您下载后不能运行可联系我进行指导或者更换。 适合人群：新手及有一定经验的开发人员

台湾大学李宏毅教授深度学习GAN课程PPT，视频在b站上有。

前阵子学习GAN的过程发现现在的GAN 综述文章大都是2016年 lan Goodfellow或者自动化所王飞跃老师那篇。可是在深度学习，GAN领域，其进展都是以月来计算的，感觉那两篇综述有些老了

一，mnist数据集 形如上图的数字手写体就是mnist数据集。 二，GAN原理(生成对抗网络) GAN网络一共由两部分组成：一个是伪造器(Generator，简称G)，一个是判别器(Discrimniator，简称D) 一开始，G由服从某几个分布(如高斯分布)的噪音组成，生成的图片不断送给D判断是否正确，直到G生成的图片连D都判断以为是真的。D每一轮除了看过G生成的假图片以外，还要见数据集中的真图片，以前者和后者得到的损失函数值为依据更新D网络中的权值。因此G和D都在不停地更新权值。以下图为例： 在v1时的G只不过是 一堆噪声，见过数据集(real images)的D肯定能判断出G所生成