GAN卷土重来：10亿参数的GigaGAN效果堪比扩散模型
-
2023-04-25 06:42:29
来源：程序员客栈
-
(相关资料图)
点蓝色字关注“机器学习算法工程师”
设为星标，干货直达！
自从 DALL·E 2 之后，在图像生成方面扩散模型替代GAN成了主流方向，比如开源的文生图模型stable diffusion也是基于diffusion架构的。近日， Adobe研究者在论文Scaling up GANs for Text-to-Image Synthesis提出了参数量为10亿（1B）的GAN模型：GigaGAN，其在文生图效果上接近扩散模型效果，而且推理速度更快，生成512x512大小图像只需要0.13s，生成16M像素图像只需要 3.66s。同时GigaGAN也支持latent空间的编辑功能，比如latent插值，风格混合，以及向量运算等。
GigaGAN改进了StyleGAN架构，采用两阶段训练策略：一个是64x64的图像生成器和一个512x512的图像超分2器，其图像生成器架构如下所示（这里也是采用CLIP text encoder来引入text condition）：GigaGAN在 LAION2B-en和 COYO-700M数据集上训练，其在COCO数据集上的FID达到9.09，超过stable diffusion 1.5，推理速度比stable diffusion快20倍多（2.9s vs 0.13s）：GigaGAN除了文生图能力，还可以实现可控的合成，比如风格混合，如下图所示：更多效果图和技术细节见论文https://arxiv.org/abs/2303.05511和网站https://mingukkang.github.io/GigaGAN/
标签：
推荐阅读
点蓝色字关注“机器学习算法工程师”设为星标，干货直达！自从DALL·E2之后，在图像生成方面扩散模型替...
据证券之星公开数据整理，近期赛恩斯（688480）发布2023年一季报。根据财报显示，本报告期中赛恩斯营收净利
本报讯（记者蒋若静）昨天，2023年“东城区优化营商环境推动经济高质量发展大会”召开。会上，东城区重...
如何做猪肚鸡更好吃，好吃的猪肚鸡做法很多人还不知道，现在让我们一起来看看吧！解答：1、食材：五花肉、
且在2023年提交给美国证交会的文件中，该公司表示，其风险评估流程在2022年之前都是无效的
猜您喜欢
【版权及免责声明】凡注明"转载来源"的作品，均转载自其它媒体，转载目的在于传递更多的信息，并不代表本网赞同其观点和对其真实性负责。亚洲经营网倡导尊重与保护知识产权，如发现本站文章存在内容、版权或其它问题，烦请联系。
联系方式：8 86 239 5@qq.com，我们将及时沟通与处理。
中国粗钢产量首次突破10亿吨级大关
企业发展环境较上一年有明显改善
点燃学生创新梦想|当前速看