本研究提出了一种基于条件生成对抗网络的防御框架，旨在应对联邦学习中的中毒攻击，通过生成合成数据验证客户端更新，显著提升真实阳性率和阴性率，从而增强系统安全性。

RainScaleGAN是一种条件生成对抗网络，旨在解决局部尺度降水模拟的挑战。它通过降尺度技术成功生成高分辨率的降水模式，其统计特征与真实数据高度相似，具有广泛的应用潜力。

本研究提出了一种基于条件生成对抗网络（ConGAN）和迁移学习框架（T-ConGAN）的方法，旨在解决家庭独特空间特性导致的标注数据获取困难，显著提升室内定位性能，尤其在楼梯和户外等挑战区域。

我们提出了一种基于U-Net架构的新方法来去除云层阴影，通过对比经典监督和条件生成对抗网络。我们使用真实图像和合成云数据集进行了评估，通过图像质量指标获得了定量评估结果。相对于传统云处理技术和稀疏编码基线，我们展示了改进结果。

该论文介绍了一种新的方法，通过从2D交通模拟和录制的路口画面中创建逼真的图片来缩小“模拟-实际”之间的差距。该方法利用条件生成对抗网络和图神经网络，能够将结构化和可读性高的条件有效地转化为逼真的图像。该研究成果为交通图像数据集的应用提供了贡献，从数据增强到城市交通解决方案。论文还提供了一个应用程序来测试该模型的能力。

该论文介绍了一种新的方法，利用条件生成对抗网络和图神经网络，从2D交通模拟和录制的路口画面中创建逼真的图片，缩小“模拟-实际”之间的差距。该方法为交通图像数据集的应用提供了贡献，从数据增强到城市交通解决方案。论文还提供了一个应用程序来测试该模型的能力。

这篇文章介绍了一个以有监督学习为基础的合成孔径雷达图像 SAR 彩色化研究线路，包括生成合成彩色 SAR 图像的协议、几个基线模型以及基于条件生成对抗网络 (cGAN) 的 SAR 彩色化有效方法。文章还提出了问题的数值评估指标，并表示这是首次尝试提出一个包括协议、基准测试和完整性能评估的 SAR 彩色化研究线路。广泛的测试表明，基于 cGAN 的网络在 SAR 彩色化方面具有有效性。代码将公开发布。

我们提出了一个多领域艺术品合成框架，利用条件生成对抗网络从语义地图生成高质量艺术作品。该框架结合数据集和方法，能够生成用户可控的高质量艺术作品。

该论文介绍了一种新的方法，通过从2D交通模拟和录制的路口画面中创建逼真的图片来缩小“模拟-实际”之间的差距。该方法利用条件生成对抗网络和图神经网络，结合GNN处理信息的能力和分段图像来保留区域数据，创造基于模拟交通场景的真实城市交通图像。该方法能够将结构化和可读性高的条件有效地转化为逼真的图像。该研究成果为交通图像数据集的应用提供了贡献，从数据增强到城市交通解决方案。论文还提供了一个应用程序来测试该模型的能力，包括生成具有各种实体的手动定义位置的图像。

本文介绍了使用cGAN从MRI扫描生成组织学图像的方法，通过训练配对的图像转换模型，合成高分辨率图像，可用于组织病理学分析和教育目的。

该论文介绍了一种新的方法，通过从2D交通模拟和录制的路口画面中创建逼真的图片，来缩小“模拟-实际”之间的差距。该方法利用条件生成对抗网络和图神经网络，结合GNN处理信息的能力和分段图像来保留区域数据，创造基于模拟交通场景的真实城市交通图像。该研究成果为交通图像数据集的应用提供了贡献，从数据增强到城市交通解决方案。论文还提供了一个应用程序来测试该模型的能力。

该论文介绍了一种新的方法，通过从2D交通模拟和录制的路口画面中创建逼真的图片来缩小“模拟-实际”之间的差距。该方法利用条件生成对抗网络和图神经网络，结合GNN处理信息的能力和分段图像来保留区域数据，创造基于模拟交通场景的真实城市交通图像。论文还提供了一个应用程序来测试该模型的能力。

本文介绍了使用GANs和CTGAN生成综合医疗记录的方法，成功生成了多样的综合X光图像和表格数据的合成记录，并通过可视评估、间记录距离分布和分类任务评估了生成的数据库。该方法有潜力在不损害数据二次使用的情况下公开发布合成数据集。