GAN卷土重来：10亿参数的GigaGAN效果堪比扩散模型

时间：2023-06-13 15:38:46 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：

新闻快讯

X 关闭

精品推荐

X 关闭

GAN卷土重来：10亿参数的GigaGAN效果堪比扩散模型

精彩推送

天天视点！武夷山旅游网武夷山旅游攻略一日游最佳路线）

环球今日讯！光库科技：拟向特定对象增发募资不超过2.8亿元

财务核算等三方面违规圆通速递被大连证监局责令改正

最资讯丨住口？不是！谢娜李维嘉终于公开回应！

春节贺卡素材大全（春节贺卡素材）

孕妇能吃梨吗_孕妇可不可以吃梨子

淮安市首发淮安市农村土地承包经营权不动产权证书

天天最资讯丨三亚凤凰机场今年来旅客吞吐量已破千万达通航以来同期最高水平

宇视摄像头官网下载（宇视摄像头官网）

新闻快讯

精品推荐

新闻快讯