亚洲国产AV一区二区三区四区,亚洲国产精品网站在线播放,亚洲国产精品国产自在在线

(相關資料圖)

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/

每日看點！GAN卷土重來：10億參數的GigaGAN效果堪比擴散模型

最近更新

每日看點！GAN卷土重來：10億參數的GigaGAN效果堪比擴散模型

最近更新

每日看點！GAN卷土重來：10億參數的GigaGAN效果堪比擴散模型