本文深入分析了StyleGAN中的水滴状艺术效果（blob-like artifacts）和渐进式训练导致的不连续性问题。通过调整归一化和调制顺序，以及改变训练策略，成功减少了水滴状艺术效果。此外，通过取消渐进式训练并采用不同的生成器和判别器结构，解决了图像细节随角度变化不连续的问题。实验结果表明，改进后的StyleGAN能生成质量更高的图像。
2019.12的对styleGA进一步改善的论文，还是NVIDIA的。这篇论文主要从结构设计和训练方式上进行了改变，从而消除styleGAN中出现的artifacts。本文针对的artifacts主要两类：1）成水滴状的/blob-like artifacts：主要与结构设计有关，因此本文更改了normalize；2）与progressive growing的训练方法相关，因此本文更改了训练方式。
第一种artifacts呈现水滴形的模糊块，在生成图像中看起来尚不明显时在中间层的特征上就很清楚了。这种artifacts通常从64*64分辨率开始出现在每一张特征图上，并随着分辨率增加变得明显。具体如下图所示：
本文认为这种现象和styleGAN的生成器中的normalization有关，因为normalize调整了feature maps的统计信息，通过这种信号强度高的水滴块，生成器可以躲避复杂的数据生成，直接调整feature maps的统计信息。文中认为，AdaIN中的normalization是对每一个feature map单独操作的，损害了特征间的信息。博客：https://blog.csdn.net/WinerChopin/article/details/103538073 提出的看法是，AdaIN的normalization在feature maps间是独立的，但modulation又是所有feature maps共享参数&#x
最低0.47元/天 解锁文章
631
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
