BigGAN_用于高保真自然图像合成的大规模 GAN 训练

用于高保真自然图像合成的大规模 GAN 训练

LARGE SCALE GAN TRAINING FOR HIGH FIDELITY NATURAL IMAGE SYNTHESIS

生成对抗网络（GANs, Goodfellow et al. (2014)）能够训练输入的图片生成出新的样本图片（Generator），但传统的GANs在生成图片是会出现一些问题，例如模式崩塌，难以收敛等。并且传统GANs生成的图片不具备足够的精度和分辨率。BigGAN（A.Brock, et al 2018） 以最大规模培训了生成对抗网络，并研究了这种规模所特有的不稳定性。它将正交正则化应用于生成器使得它适用于简单的“截断技巧”，允许通过截断潜在空间来精确控制样本保真度和变化之间的权衡。BigGAN的 Inception Score（IS）为 166.3，Fréchet Inception Distance（FID）为 9.6，相比之前的最佳 （指论文发表时）IS 为 52.52，FID 为 18.65。
Paper链接：BigGAN.
Github:BigGAN-Pytorch.