StyleGAN

StyleGAN 是一种生成对抗网络。它为生成对抗网络使用了另一种生成器架构，借鉴了风格迁移文献；特别是自适应实例规范化的使用。否则，它遵循 Progressive GAN 使用渐进式增长的训练机制。其他怪癖包括它从固定值张量生成的事实，而不是像常规 GAN 中那样随机生成的潜在变量。随机生成的潜在变量在经过 8 层前馈网络转换后，在每个分辨率的自适应实例归一化中用作样式向量。最后，它采用一种称为混合正则化的正则化形式，在训练期间混合两种风格的潜在变量。