GAN卷土重来：10亿参数的GigaGAN效果堪比扩散模型|全球微速讯-华南运动网

GAN卷土重来：10亿参数的GigaGAN效果堪比扩散模型|全球微速讯

来源：程序员客栈｜时间： 2023-04-20 13:34:35 ｜

(资料图片)

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/

关键词：

GAN卷土重来：10亿参数的GigaGAN效果堪比扩散模型|全球微速讯

热文推荐

GAN卷土重来：10亿参数的GigaGAN效果堪比扩散模型|全球微速讯

天天热推荐：【期市早餐】重点品种操作指南

环球快播：广西山歌怎么唱？歌圩代表性传承人带你一起玩转山歌

厄瓜多尔外贸部长：对华贸易发展不受外部压力影响热资讯

iphone耳机模式解除_iphone耳机没声音|天天快看

汽车上的rear是什么意思_rear的含义解释

追光 | 摸鱼，真的很快乐

“3桌家常饭的婚礼”品出婚俗改革的甜蜜味道-热门

天天速递！“农管”并非无所不管，执法还须以法为界

我要从南走到北抖音版_我要从南走到北观热点

甲壳纲类动物有哪些_甲壳纲

智能呼吸窗_对于智能呼吸窗简单介绍|聚焦

阳光少年歌词蒋文涵阳光少年歌词

达县是哪个市_达县

中化岩土2022年净利润亏损扩大至7.07亿元原董事长吴延炜违规减持被罚

每日速看!湖北巴东白黄双麂罕见同框

存放二十余年的红酒能喝吗?注意哪些?谢谢?

满天星业余交响乐团亮相2023年国家图书馆“世界读书日” 全球视讯

洁美科技：4月18日接受机构调研，光大资管、广发基金等多家机构参与_全球快消息

2023上海车展：奇瑞小蚂蚁Q首发亮相

资讯

行业

前沿资讯!国家药监局：布洛芬、对乙酰氨基酚等药品原料产能充足

热点

我国在两种物理体系实现量子计算优越性

新主流网络视听崛起，开启主流价值社交传播之门

蔬菜价格波动电商平台加强直采保供保价

去境外搞电信诈骗赚快钱？结局可能是被打断手脚甚至抑郁

广东江门中院宣判一侵犯知识产权犯罪案

说好“一梯一户”却成了“两梯两户”，买方能否解除合同