GAN卷土重来：10亿参数的GigaGAN效果堪比扩散模型

位置：首页 >资讯 > > 正文

2023-04-12 13:58:25 来源：程序员客栈

(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/

标签：

鞋包搭配

美容

丝芙兰Sephora携手举办微笑公益行动旨在使兔唇宝宝重绽微笑
丝芙兰Sephora携手举办微笑公益行动旨在使兔唇宝宝重绽微笑
2022年9月5日，贵州遵义 —— 近日，全球高端美妆零售商丝芙兰Sephora第八年携手微笑明天慈善基金会举...
56岁董事长花百万整形失败：嘴歪了眼皮也抬不起来
56岁董事长花百万整形失败：嘴歪了眼皮也抬不起来
公司的员工都知道，他们56岁的董事长花了一百多万元整形失败了。手术分三次进行，董事长王青通过熟人介...
【央视3·15晚会】安徽美希淑颜医疗美容被点名
【央视3·15晚会】安徽美希淑颜医疗美容被点名
昨晚的央视315晚会上，非法医美也是被重点提及的问题，多家美容机构宣传只要培训数天就可以上岗，收费昂...

美容

发型

护肤