生成式人工智能应用允许在几分钟内产生新颖和现实的视觉、文本和动画内容。根据Gartner的数据,到2025年,由生成性人工智能产生的数据比例将达到所有生成数据的10%。
作为2023年最重要的战略技术趋势之一,人工智能(AI)的这一分支有着广泛的应用,对不同的行业和商业功能都有帮助,包括:
- 医疗保健
- 市场营销
- 销售
- 教育
- 客户服务,等等。
在这篇文章中,我们收集了70多个生成性人工智能的顶级应用,可以用于一般或特定行业的目的。
生成式人工智能的一般应用
一. 视觉应用
1. 图像生成
通过生成式人工智能,用户可以将文本转化为图像,并根据他们指定的环境、主题、风格或地点生成现实的图像。因此,有可能以一种快速和简单的方式生成所需的视觉材料。
也有可能将这些视觉材料用于商业目的,使人工智能生成的图像创作成为媒体、设计、广告、营销、教育等方面的有用元素。例如,一个图像生成器可以帮助平面设计师创建他们需要的任何图像(见图1)。
图1. 这幅人工智能生成的图像是根据 “泰迪熊买菜(浮世绘风格)” 的文字描述制作的。(Source: OpenAI Dall-E)
2. 语义图像到照片的翻译
基于语义图像或草图,有可能产生一个图像的现实版本(见图2)。由于其在进行诊断方面的促进作用,这一应用对医疗保健部门很有用。
图2. 语义图像到照片翻译的一个例子。(Source: “Generating Synthetic Space Allocation Probability Layouts Based on Trained Conditional-GANs”)
3. 图像到图像的转换
它涉及转换图像的外部元素,如其颜色、媒介或形式,同时保留其构成元素。
这种转换的一个例子是把一个白天的图像变成一个夜间的图像。这种类型的转换也可用于操纵图像的基本属性(如人脸,见图3),对其进行着色,或改变其风格。
图3. 面部属性操作的一个例子。(Source: “FAE-GAN: facial attribute editing with multi-scale attention normalization”)
4. 图像分辨率提高(超级分辨率)
生成式人工智能使用各种方法在现有内容的基础上创造新的内容。生成式对抗网络(GANs)是这些方法之一。一个GAN由一个生成器和一个判别器组成,生成新的数据并确保它是真实的。基于GAN的方法允许你通过超级分辨率GANs创建一个图像的高分辨率版本。这种方法对于制作高质量版本的档案材料和/或医疗材料是很有用的,这些材料以高分辨率格式保存是不经济的。另一个用例是监控目的。
5. 视频预测
一个基于GAN的视频预测系统:
- 理解视频的时间和空间元素
- 根据这些知识生成下一个序列(见图4)。
- 区分可能的和不可能的序列
基于GAN的视频预测可以帮助检测安全和监控等广泛领域所需的异常情况。
图4. C列中描述了一个视频预测的例子。(Source: “Review of FutureGAN”)
6. 3D Shape Generation
在这一领域,创建高质量的三维物体版本的研究仍在进行中。使用基于GAN的形状生成,在与原始来源的相似性方面可以实现更好的形状。此外,详细的形状可以被生成和操作,以创建所需的形状(图5)。
图5. 由GANs生成和操作的三维形状的例子。(Source: “SP-GAN: Sphere-Guided 3D Shape Generation and Manipulation”)
二. 音频应用
7. 文本到语音生成器
GANs允许生产逼真的语音音频。为了达到逼真的效果,鉴别器作为一个训练者,对声音进行强调、调和和/或调制。
TTS的生成有多种商业应用,如教育、营销、播客、广告等。例如,教育工作者可以将他们的讲义转换成音频材料,使其更具吸引力,同样的方法也有助于为视障人士制作教育材料。除了消除语音艺术家和设备的费用外,TTS还为公司在语言和声乐曲目方面提供了许多选择。
8. 语音到语音的转换
生成式人工智能的一个与音频有关的应用涉及使用现有语音源进行语音生成。通过STS转换,可以轻松快速地创建配音,这对游戏和电影等行业是有利的。有了这些工具,就有可能为一部纪录片、一个广告或一个游戏生成配音,而不需要雇用配音员。
9. 音乐生成
生成式人工智能在音乐制作中也是有目的的。音乐生成工具可用于为广告或其他创意目的生成新颖的音乐材料。然而,在这种情况下,仍然有一个重要的障碍需要克服,即在训练数据中包含受版权保护的艺术品而造成的版权侵犯。
三. 基于文本的应用
10. 文本生成
研究人员呼吁GANs为最先进的ML算法的不足之处提供替代方案。尽管GANs最初用于视觉目的,但目前正被训练成在文本生成中也很有用。通过生成性人工智能创建对话、标题或广告,通常用于营销、游戏和通信行业。这些工具可用于实时聊天框,与客户进行实时对话,或用于创建产品描述、文章和社交媒体内容。
11. 个性化的内容创建
它可以用来根据个人的喜好、兴趣或记忆为个人生成个性化的内容。这种内容可以是文本、图像、音乐或其他媒体的形式,并可用于:
- 社交媒体帖子
- 博客文章
- 产品推荐
使用生成性人工智能的个人内容创建有可能提供高度定制和相关的内容。
12. 情感分析/文本分类
情感分析,也被称为意见挖掘,使用自然语言处理和文本挖掘来破译书面材料的情感背景。
生成式人工智能可用于情绪分析,通过生成标有各种情绪(例如,积极、消极、中立)的合成文本数据。然后,这种合成数据可用于训练深度学习模型,以对真实世界的文本数据进行情感分析。
它也可以被用来生成专门设计为具有某种情感的文本。例如,生成式人工智能系统可用于生成有意积极或消极的社交媒体帖子,以影响公众舆论或塑造特定对话的情绪。
这些对于缓解教育、客户服务等许多情况下的用户意见的情感分析的数据不平衡问题(如下图6)是很有用的。
图6. 情感分类方法的高层次概述。(Source: “The Impact of Synthetic Text Generation for Sentiment Analysis Using GAN-based Models”)
四. 基于代码的应用
13. 代码生成
生成式人工智能的另一个应用是在软件开发中,因为它有能力产生代码而不需要手动编码。通过这种质量来开发代码,不仅对专业人士,而且对非技术人员也是可能的。
图7. 用OpenAI的ChatGPT生成一个HTML表单和JavaScript提交代码
14. 代码补全
生成式人工智能在编码方面最直接的用途之一是在开发人员打字时建议代码的完成。这可以节省时间并减少错误,特别是对于重复性或乏味的任务。
15. 代码审查
生成式人工智能也可以用来对现有代码进行质量检查,并通过建议改进或生成更有效或更容易阅读的替代实现来优化它。
16. 错误修复
它可以通过分析代码模式,识别潜在问题,并提出修复建议,帮助识别和修复生成的代码中的错误。
17. 代码重构
生成式人工智能可用于自动化重构代码的过程,使其更容易维护和随时间更新。
18. 代码风格检查
生成性人工智能可以分析代码是否符合编码风格指南,确保整个代码库的一致性和可读性。
五. 其他应用
19. 对话式人工智能
生成式人工智能的另一个用例涉及生成对自然语言形式的用户输入的响应。这种类型通常用于聊天机器人和虚拟助手,它们被设计用来提供信息,回答问题,或通过聊天窗口或语音助手等对话界面为用户执行任务。
ChatGPT是对话式人工智能的一个流行例子。它为用户提供了一个信息量很大的综合对话,比如哲学讨论。举个例子,你可以查看下面的ChatGPT的聊天记录。
图8. 一个与ChatGPT的对话。
20. 数据合成
生成式人工智能系统可以创建合成数据,这些数据在统计属性上与真实世界的数据相似,但不一定是基于任何特定的真实世界的数据点。合成的数据可以用于各种目的:
- 为机器学习模型训练数据
- 通过从客户的输入数据创建新的数据来维护数据隐私
- 为生成性人工智能算法的自然语言处理提供反馈,以实现类似人类的语音
特定行业的生成性人工智能应用
六. 医疗保健应用
21. 简化的药物发现和开发
利用生成性人工智能算法的力量来寻找潜在的候选药物并通过计算机模拟测试其疗效,可以大大加快发现新药的过程,从动物的临床前试验到人类的临床试验。
22. 个性化医疗
生成性人工智能算法可以为医疗行业提供潜力,为病人的病史、症状等专门制定个性化的治疗方案。
23. 改进医疗成像
通过将机器学习的力量与医疗成像技术(如CT和MRI扫描)相结合,生成性人工智能算法可以加速医疗成像的精确性,并改善结果。
图9. 长达14小时的生成式人工智能模型的渐进式输出,产生了假的胸部X射线。(Source: Future Healthcare Journal)
24. 人口健康管理
在医疗保健中使用生成性人工智能还可以通过允许政策制定者进行更好的人口层面的健康管理:
- 获得更详细的人口统计信息
- 设计有针对性的公共卫生举措,使服务不足的社区受益。
七. 教育应用
25. 个性化的课程
通过利用生成性人工智能,个性化的课程计划可以为学生提供最有效和最适合的教育。这些计划是通过分析学生的数据,如他们过去的表现,技能组合,以及他们可能给出的关于课程内容的任何反馈来精心设计的。这有助于确保每个学生,特别是那些残疾学生,都能获得个性化的经验,以获得最大的成功。
26. 课程设计
从设计教学大纲和评估到基于学生个人需求的个性化课程材料,生成性人工智能可以帮助使教学更加高效和有效。此外,当与虚拟现实技术相结合时,它还可以创造出逼真的模拟,使学习者进一步参与到教学过程中。
27. 课程内容的创建
生成式人工智能为教师提供了一种实用而有效的方法来快速开发大量的独特材料。无论是测验题、概念回顾还是解释,这项技术都可以从现有的信息中生成全新的内容,帮助教育者轻松地为他们的课程创建多样化的教学材料。
另外,人工智能还可以为视频讲座或播客生成脚本,简化在线课程的多媒体内容创作(见图10)。
图10. 人工智能生成的课程内容的一个例子。(Source: NOLEJ)
28. 辅导
人工智能生成的辅导是生成性人工智能的另一个用例。它可以让学生与虚拟导师互动,并在家中舒适地接受实时反馈。这使得它成为那些可能没有机会接受传统面对面教育的孩子的理想解决方案。
29. 分析模型的数据隐私保护
使用生成式人工智能来创建训练数据集的一个优势是,它可以帮助保护学生的隐私。数据泄露或黑客事件会暴露出包含学龄儿童个人信息的真实世界数据。
使用合成数据,即由从现实世界数据中学习的人工智能模型创建的数据,可以提供匿名性并保护学生的个人信息。由生成模型产生的合成数据集对训练其他算法是有效和有用的,同时使用起来也是安全的。
30. 恢复旧的学习材料
生成式人工智能可以提高过时的或低质量的学习材料的质量,如历史文件、照片和电影。通过使用人工智能来提高这些材料的分辨率,它们可以达到现代标准,对那些习惯于高质量媒体的学生来说更有吸引力。
八. 时尚应用
31. 时尚设计师的创意设计
生成式人工智能是一种有价值的工具,可以为时尚设计带来新的生命力。从创造创新的风格到完善和优化现有的外观,该技术帮助设计师跟上最新的趋势,同时在这个过程中保持他们的创造力。这可以通过各种技术来实现,如独特的生成设计或来自其他来源的风格转移。
图11. 由ClothingGAN生成的服装。(Source: Towards Data Science)
32. 将草图变成彩色图片
利用生成性人工智能,时尚界可以通过快速将草图转化为充满活力的图片来节省宝贵的时间和资源。这项技术使设计师和艺术家能够以最小的努力实时体验他们的创作,同时也为他们提供了更多的机会来进行无阻碍的实验。
33. 生成具有代表性的时尚模特
通过利用生成性人工智能来创建各种时尚模特,时尚公司可以更好地服务于他们不同的客户群,并以更真实的方式准确地展示他们的产品。他们可以利用这种模特为客户提供虚拟试穿选择,或对服装进行3D渲染。
34. 时尚品牌的营销和趋势分析
生成式人工智能可以通过以下方式帮助时尚界的趋势分析:
- 汇集各种技术,如机器学习和概率编程。这些技术可以建立强大的生成模型,考虑到时尚业务中的客户欲望。
- 为特定的消费者欲望生成深度个性化的选项,超越了传统分析和客户需求算法所能做到的。
它还通过以下方式提高时尚营销能力:
- 利用数据分析、自然语言处理和机器学习,为目标受众创建高度定制和个性化的产品系列
- 根据特定人的兴趣和喜好设计电子邮件、网站页面、标题和广告,以吸引他们的注意力
- 谋划有创意的、真实的营销和广告内容,有可能冲进搜索结果中去
九. 银行业应用
35. 欺诈检测
生成式人工智能为银行提供了检测可疑或欺诈性交易的强大工具,增强了打击金融犯罪的能力。为检测欺诈行为而训练GAN,通过利用欺诈交易的训练集,有助于识别代表性不足的交易。
36. 风险管理
通过利用GANs,可以计算风险价值估计,显示某些时期的潜在损失金额,或建立经济情景以预测金融市场。此外,GANs通过在历史数据趋势的基础上产生新的和无假设的情况来帮助理解波动性。
37. 为拒绝贷款生成用户友好的解释
对于决策者和贷款申请人来说,理解基于人工智能的决定的解释是至关重要的,包括贷款申请被拒绝的原因。有条件的GAN是一个有用的工具,可以创建对申请人友好的拒绝解释,如下图12所示。
图12. AI生成的贷款拒绝解释。(Source: “Generating User-Friendly Explanations for Loan Denials Using Generative Adversarial Networks”)
38. 数据隐私保护
使用人工智能生成的合成数据有可能克服银行业正面临的挑战,特别是在数据隐私方面。合成数据可用于创建可共享的数据,以取代因隐私问题和数据保护法而不能共享的客户数据。此外,合成客户数据是训练ML模型的理想选择,以协助银行确定客户是否有资格获得信贷或抵押贷款,以及可以提供多少钱。
十. 游戏应用
39. 程序性内容的生成
生成式人工智能可以根据预定的规则和标准生成游戏内容,如关卡、地图和任务。这可以帮助游戏开发者创造更多不同的、有趣的游戏体验。
40. 玩家行为分析
它可以用来分析玩家数据,如游戏模式和偏好,以提供个性化的游戏体验。这可以帮助游戏开发者提高玩家参与度和保留率。
41. 非玩家角色(NPC)行为
生成式人工智能可以创建逼真和动态的NPC行为,如敌人的人工智能和NPC互动。这可以帮助游戏开发者创造出更有沉浸感和挑战性的游戏世界。
42. 用户界面设计
生成性人工智能可以设计出直观和用户友好的用户界面。这可以帮助游戏开发者改善玩家体验,提高玩家参与度。
43. 游戏测试
生成式编程工具可用于自动化游戏测试,如识别错误和故障,并提供关于游戏平衡的反馈。这可以帮助游戏开发者减少测试时间和成本,并提高游戏的整体质量。
十一. 旅游应用
44. 身份验证
在机场的人脸识别和验证系统中使用生成性人工智能可以帮助乘客识别和验证。这是通过利用从不同角度拍摄的照片来生成乘客面部的综合图像来实现的,从而简化了识别和确认旅客身份的过程。
45. 个性化的旅行和目的地推荐
生成式人工智能可用于分析客户数据,如过去的预订和偏好,以提供个性化的旅游目的地、住宿和活动建议。
针对业务功能的生成性人工智能应用
十二. 客户服务应用
46. 多语言客户支持
生成式人工智能工具(如ChatGPT)为客户服务提供的多语言支持涉及使用系统的大型语言模型能力,为讲不同语言的客户提供支持。对话式人工智能工具可以对各种语言进行训练,它可以将信息从一种语言实时翻译成另一种语言(见图13)。
图13. 由ChatGPT生成的多语言客户回应的典范。
47. 个性化的客户回应
对话式生成型人工智能工具可以根据客户数据进行训练,例如:
- 过去的购买行为
- 聊天记录
- 客户反馈Customer feedback
来为每个客户创建一个个性化的档案。当客户发送消息时,ChatGPT或其他类似的工具可以使用这个档案,为客户的具体需求和偏好提供相关的回应。
48. 对客户咨询和投诉的快速响应
可以对对话工具进行培训,以识别和回应常见的客户投诉,如产品质量问题、运输延误或计费错误。当客户发送投诉信息时,该工具可以分析信息并提供回应,以解决客户的担忧并提供潜在的解决方案。
49. 创建客户电子邮件
像ChatGPT这样的工具可以用给定的客户信息为单个客户创建个性化的电子邮件模板。当公司想给客户发送电子邮件时,ChatGPT可以使用模板来生成符合客户个人喜好和需求的电子邮件。
图14. ChatGPT为某个客户问题提供了一个电子邮件模板。
50. 回复客户评论
当客户在在线评论平台或您的网站上留下评论或意见时,ChatGPT或其他工具可以用来生成回复,解决客户的担忧,并提供潜在的解决方案或帮助。
51. 回答常见问题
例如,ChatGPT可以在公司的FAQ页面或知识库中进行培训,以识别和回应客户的常见问题。当客户发送问题信息时,ChatGPT可以分析信息,并提供答复,回答客户的问题或引导他们到其他资源。
十三. 营销应用
52. 市场营销的内容创造
通过使用ChatGPT这样的生成模型进行内容创作,具体来说就是文本生成,可以成为市场营销的有力工具。这些人工智能生成的文本可以用于生成想法以外的各种目的,例如:
- 以电子邮件、社交媒体帖子、博客文章等形式进行内容营销的内容创作。
- 为商品和服务的广告编写脚本和讲故事(见图15)
图15. 一个使用ChatGPT为新的电动汽车模型做广告的人工智能生成内容的例子。
53. 个性化的客户体验
ChatGPT和其他类似的生成工具,其自然语言处理(NLP)可以根据客户的喜好、过去的行为和人口统计学,为他们生成个性化的内容。这可以帮助你创建有针对性的内容,与你的受众产生共鸣,这可以导致更高的参与度和转换率。
54. 受众研究
生成式人工智能可用于分析客户数据,如:
- 搜索查询
- 社交媒体的互动
- 过去的购买行为,以确定客户行为的模式和趋势。
通过分析这些数据,生成性人工智能工具可以帮助你确定目标受众的偏好、兴趣和痛点,这可以为你的营销信息、内容和产品开发提供参考。
55. 撰写产品描述
产品描述是营销的一个重要部分,因为它们为潜在客户提供了关于产品的特点、好处和价值的信息。像ChatGPT这样的生成工具可以帮助创建引人注目、内容丰富的产品描述,以引起目标受众的共鸣。
56. 创建客户调查
调查是收集客户反馈和见解的有效方式,这可以帮助营销人员改善他们的产品、服务和营销策略。以下是生成性人工智能帮助创建客户调查的一些方法:
- 问题生成
- 组织调查结构
- 利用其翻译能力使调查表具有多语言性
- 调查分析Survey analysis
57. 生成视频广告或产品演示
生成式人工智能的视频生成应用可以在营销方面发挥作用:
- 视频广告:通过生成式人工智能,企业可以创建高质量的视频广告,可以在各种平台上使用,包括社交媒体和视频分享网站。这可以帮助提高品牌知名度并推动转换。
- 产品演示:视频生成也可用于创建产品演示视频。通过使用生成性人工智能来创建这些视频,企业可以以视觉上吸引人的方式展示他们的产品,这可以帮助提高参与度和销售。
下面的视频是由人工智能生成的,显示了它的视觉潜力,可用于营销目的。
十四. SEO应用
58. 为内容写作生成主题思想
像ChatGPT这样的生成工具可以用于生成SEO内容写作的主题思想,利用其语言处理能力来:
- 产生相关的关键词和短语
- 分析竞争对手的内容以确定覆盖面的差距
- 根据当前的趋势和用户的搜索查询建议主题。
59. 进行关键词研究
在内容中加入相关关键词的过程对成功的SEO战略至关重要,因为它有助于确定潜在客户在搜索与网站产品或服务相关的术语和短语。
像ChatGPT这样的生成工具可以在关键词搜索优化中执行一些功能,如:
- 生成关键词:它可以通过分析所提供信息的上下文和语言,为某个话题或主题生成一个相关的关键词列表。
- 识别关键词趋势:它可以分析搜索数据,以确定当前的关键词趋势,并建议在不久的将来可能会流行的术语。
图16. 用ChatGPT为B2B营销内容生成关键词创意。
60. 寻找正确的标题
像ChatGPT这样的生成工具可以生成对SEO友好的标题,确保标题是:
- 描述性强,清楚地表达内容的主题
- 能够包含与主题相关的关键词
- 简明扼要,通常不超过60-70个字符的限制,以便在搜索引擎结果页中得到最佳显示。
- 吸引眼球,有可能吸引点击,这有助于提高点击率(CTR),并最终提高搜索引擎优化。
61. 对搜索意图进行分组
了解查询背后的搜索意图对于创建准确和有效解决客户需求的内容至关重要,这可以带来更高的参与度和转化率。
像ChatGPT这样的工具可以通过分析搜索查询,并根据用户的预期目标或目的进行分类,这要归功于自然语言处理(NLP)方法,从而协助进行搜索意图分组。这可以帮助企业和营销人员了解特定搜索词背后的意图,优化他们的内容和战略,以更好地满足目标受众的需求和期望。
62. 创建内容结构
像ChatGPT这样的工具可以通过为一个给定的主题生成大纲和组织建议来协助创建内容结构。这对SEO最大化很有帮助,因为一个结构良好、有组织的内容不仅能提供更好的用户体验,还能帮助搜索引擎理解内容的背景和相关性。
图17. ChatGPT创建了一个内容的结构。
63. 生成元描述
元描述是一个HTML属性,提供一个网页内容的简短摘要。元描述可以作为页面的广告,鼓励用户点击链接并访问该页面。因此,元描述是SEO的一个重要元素。
ChatGPT在创建有效的元描述时,可以通过生成内容摘要,准确、简洁地描述页面的主要议题。
64. 创建网站地图代码
网站地图是一种代码,它以结构化格式列出网站的所有页面和内容。它是一种XML文件,有助于搜索引擎了解网站的结构和组织。网站地图代码提供了网站上每个页面的信息,如它的URL,最后修改的日期,以及它相对于网站上其他页面的优先级。
ChatGPT可用于生成网站地图代码,产生一个XML文件,列出网站上的所有页面和内容。
十五. 人力资源应用
65. 创建面试问题
人力资源部门经常需要在面试过程中想出一套问题来问求职者,这可能是一项耗时的工作。人工智能可以用来生成与工作职位相关的面试问题,并评估候选人的资格、技能和经验(图18)。
图18. ChatGPT为一个工作职位创建了一套面试问题。
66. 生成入职培训材料
人工智能可用于为新员工生成入职材料,如培训视频、手册和其他文件。
67. 工作描述的生成
生成式人工智能可用于创建工作描述,准确反映特定职位所需的技能和资格。
十六. 供应链与采购应用
68. 需求预测和供应链管理
生成式人工智能可以帮助企业预测对特定产品和服务的需求,从而相应地优化其供应链运作。这可以帮助企业降低库存成本,改善订单执行时间,并减少浪费和过度库存。
十七. 法律应用
69. 合同生成
生成式人工智能可用于根据预先定义的模板和标准生成合同。这可以为采购部门节省时间和精力,有助于确保合同语言的一致性和准确性。
70. 合同合规性
公司有成千上万的合同,有各种谈判条款。具有语言理解能力的LLM或生成性AI应用程序可以:
- 对合同进行分类
- 识别常见的条款
- 突出独特或罕见的条款
十八. 销售应用
71. 销售辅导
生成式人工智能可以用来为个别销售代表提供个性化的销售辅导,基于他们的业绩数据和学习风格。这可以帮助销售团队提高他们的技能和业绩,并提高销售生产力。
72. 销售预测和管道优化
生成式人工智能可以分析历史销售数据,并产生对未来销售的预测。所以,销售团队可以优化他们的销售管道,更有效地分配资源。
73. 线索识别和鉴定
人工智能可用于根据客户数据和行为识别潜在的销售线索,并根据其转换的可能性对线索进行资格鉴定。同时,它可以生成定制的销售战术和活动,以产生线索。
- “Top Strategic Technology Trends for 2022” (PDF). Gartner. 2021. Retrieved November 1, 2022.
- “Generating Synthetic Space Allocation Probability Layouts Based on Trained Conditional-GANs”. Applied Artificial Intelligence. 33. 1-17.
- “FAE-GAN: facial attribute editing with multi-scale attention normalization”. Machine Vision and Applications 32, 97 (2021).
- “Review of FutureGAN: Predict future video frames using Generative Adversarial Networks(GANs).” Medium, 13 August 2021, https://medium.com/analytics-vidhya/review-of-futuregan-predict-future-video-frames-using-generative-adversarial-networks-gans-3120d90d54e0. Accessed 15 March 2023.
- “SP-GAN: sphere-guided 3D shape generation and manipulation”. ACM Trans. Graph. 40, 4, Article 151 (August 2021).
- “The impact of synthetic text generation for sentiment analysis using GAN based models.” Egyptian Informatics Journal, https://www.sciencedirect.com/science/article/pii/S1110866522000342. Accessed 27 February 2023.
- “Generative adversarial networks and synthetic patient data: current challenges and future perspectives.” NCBI, https://www.ncbi.nlm.nih.gov/pmc/articles/PMC9345230/. Accessed 18 December 2022.
- “Generating User-Friendly Explanations for Loan Denials Using Generative Adversarial Networks.” Fujitsu, https://www.fujitsu.com/global/documents/about/resources/publications/technicalreview/2020-01/article04.pdf. Accessed 15 March 2023.
评论留言