LARGE SCALE GAN TRAINING FOR HIGH FIDELITY NATURAL IMAGE SYNTHESIS

标签：训练   src   http   dash   性能   .net   挑战   稳定性   ati   

最强GAN图像生成器，真假难辨

论文地址：

https://openreview.net/pdf?id=B1xsqj09Fm

更多样本地址：

https://drive.google.com/drive/folders/1lWC6XEPD0LT5KUnPXeve_kWeY-FxH002

第一篇就是这篇最佳BigGAN，DeepMind负责星际项目的Oriol Vinyals，说这篇论文带来了史上最佳的GAN生成图片，提升Inception Score 100分以上。

论文摘要：

尽管近期由于生成图像建模的研究进展，从复杂数据集例如 ImageNet 中生成高分辨率、多样性的样本仍然是很大的挑战。为此，研究者尝试在最大规模的数据集中训练生成对抗网络，并研究在这种规模的训练下的不稳定性。研究者发现应用垂直正则化（orthogonal regularization）到生成器可以使其服从简单的「截断技巧」（truncation trick），从而允许通过截断隐空间来精调样本保真度和多样性的权衡。这种修改方法可以让模型在类条件的图像合成中达到当前最佳性能。当在 128x128 分辨率的 ImageNet 上训练时，本文提出的模型—BigGAN—可以达到 166.3 的 Inception 分数（IS），以及 9.6 的 Frechet Inception 距离（FID），而之前的最佳 IS 和 FID 仅为 52.52 和 18.65。

BigGAN的生成器架构

生成样例，真是惟妙惟肖

LARGE SCALE GAN TRAINING FOR HIGH FIDELITY NATURAL IMAGE SYNTHESIS

标签：训练   src   http   dash   性能   .net   挑战   稳定性   ati   

原文地址：https://www.cnblogs.com/2008nmj/p/10305512.html