biggan:large scale gan training for high fidelity natural image synthesis

Kun Li

于 2022-06-23 16:50:14 发布

阅读量1.3k

点赞数

CC 4.0 BY-SA版权

分类专栏：图像视频生成大模型文章标签：人工智能计算机视觉

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/u012193416/article/details/125415579

图像视频生成大模型专栏收录该内容

294 篇文章 ¥49.90 ¥99.00

订阅专栏

超级会员免费看

本文深入探讨了DeepMind的BigGAN，这是一个强大的GAN模型，通过增大模型规模和批处理大小实现了高质量图像生成。BigGAN的核心包括：增大模型参数和批处理大小，对潜在输入进行分层处理，以及采用截断技巧和正交正则化来应对模式塌陷问题。研究还分析了GAN训练期间的不稳定性并提出改进方法。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

深度解读DeepMind新作：史上最强GAN图像生成器—BigGAN - 知乎本期推荐的论文笔记来自 PaperWeekly 社区用户 @TwistedW。由 DeepMind 带来的 BigGAN 可谓是笔者见过最好的 GAN 模型了，这里的 Big 不单单是指模型参数和 Batch 的大，似乎还在暗示让人印象深刻，文章也确实做到…https://zhuanlan.zhihu.com/p/46581611这篇文章写的还是很容易理解的，相比较之前大规模的摆公式，biggan好理解多了，但是模型结构图都放到了附录中了，biggan的核心有三点，第一更大了，大bs和大参数，第二，来源于对模型的调整，比如latent的分层输入，贡献c，第三latent z的截断输入，为了应对这种截断输入，提出了正交正则化，最后基于训练不稳定提了一些改进的技巧。

1.introduction

了解本专栏

超级会员免费看

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。