您現在的位置：首頁 > 資訊 > 國內 >   正文
        
                        
        

        
	
        
	
        GAN卷土重來：10億參數的GigaGAN效果堪比擴散模型_環球簡訊
        
	
        
	
        
		
        時間：2023-06-16 14:53:13    來源：程序員客棧    
        

        
			
        
		
        
	
        

         


        
                    
        
                        
        
                            
                            
        
							

        (資料圖片僅供參考)
        點藍色字關注“機器學習算法工程師”
        設為星標，干貨直達！
        自從 DALL·E 2 之后，在圖像生成方面擴散模型替代GAN成了主流方向，比如開源的文生圖模型stable diffusion也是基于diffusion架構的。近日， Adobe研究者在論文Scaling up GANs for Text-to-Image Synthesis提出了參數量為10億（1B）的GAN模型：GigaGAN，其在文生圖效果上接近擴散模型效果，而且推理速度更快，生成512x512大小圖像只需要0.13s，生成16M像素圖像只需要 3.66s。同時GigaGAN也支持latent空間的編輯功能，比如latent插值，風格混合，以及向量運算等。
        GigaGAN改進了StyleGAN架構，采用兩階段訓練策略：一個是64x64的圖像生成器和一個512x512的圖像超分2器，其圖像生成器架構如下所示（這里也是采用CLIP text encoder來引入text condition）：GigaGAN在 LAION2B-en和 COYO-700M數據集上訓練，其在COCO數據集上的FID達到9.09，超過stable diffusion 1.5，推理速度比stable diffusion快20倍多（2.9s vs 0.13s）：GigaGAN除了文生圖能力，還可以實現可控的合成，比如風格混合，如下圖所示：更多效果圖和技術細節見論文https://arxiv.org/abs/2303.05511和網站https://mingukkang.github.io/GigaGAN/							
        關鍵詞：
 
  

        
							
        
							
        
                                                        
                            
                            
                        
        

                           

        

        相關新聞
        

          
		 
        

        

        

        最近更新
        


        

                            
        
                                
        
                                    
        凡本網注明“XXX（非汪清新聞網）提供”的作品，均轉載自其它媒體，轉載目的在于傳遞更多信息，并不代表本網贊同其觀點和其真實性負責。
        
                                  
                                
        
                            
        
                            
        


        







        

                    
        



        
    
        

        

        

        

        特別關注