飞桨PaddlePaddle论文复现：LARGE SCALE GAN TRAINING FOR HIGH FIDELITY NATURAL IMAGE SYNTHESIS

最新推荐文章于 2023-06-06 20:52:23 发布
最新推荐文章于 2023-06-06 20:52:23 发布
阅读量568 收藏 1
点赞数 1
分类专栏： 我在paddlepaddle学人工智能 文章标签： 深度学习 人工智能 神经网络
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_41628688/article/details/107836978
版权

飞桨PaddlePaddle论文复现

百度顶会论文复现营：

https://aistudio.baidu.com/aistudio/education/group/info/1340

论文解读：

https://aistudio.baidu.com/aistudio/education/preview/513207

摘要

尽管最近在生成性图像建模方面取得了进展，但成功地从诸如ImageNet这样的复杂数据集生成高分辨率、多样化的样本仍然是一个难以捉摸的目标。为此，我们在最大规模上训练生成性对抗网络，并研究这种规模下的不稳定性。我们发现，将正交正则化应用到生成器中，使其易于接受一个简单的“截断技巧”，通过减少生成器输入的方差，允许对样本保真度和多样性之间的权衡进行精细控制。我们的修改导致了模型，这些模型在类条件图像合成中开创了最新的技术水平。在ImageNet上以128×128分辨率进行训练时，我们的模型（BigGANs）的初始分数（IS）为166.5，Fréchet初始距离（FID）为7.4，比之前的最佳IS为52.52和FID提高了18.65。

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

总结

我们已经证明了从自然生成模型和多种多样性模型中产生的优势。作为我国最先进的模型之一，它在很大程度上提高了模型的性能。我们还分析了大型GANs的训练行为，用其权值的奇异值来表征其稳定性，并讨论了稳定性与性能之间的相互关系

个人总结

通过百度顶会论文复现营课程的学习，自己对生成对抗网络有了更深的理解，通过对LARGE SCALE GAN TRAINING FOR HIGH FIDELITY NATURAL IMAGE SYNTHESIS文章的解读，更加深刻了解到BigGan的强大。最后希望自己在深度学习方向上能够越来越好，能够尽快达到自己理想的彼岸！感谢百度顶会论文复现营课程。

附录[资料下载]

GAN和视频分类 入门的几篇文章

链接：https://pan.baidu.com/s/1Iz3_tZDfmM41Ht4vvPp-2w
提取码：0000

GAN5篇论文代码下载链接

1.LARGE SCALE GAN TRAINING FOR HIGH FIDELITY NATURAL IMAGE SYNTHESIS
https://github.com/sxhxliang/BigGAN-pytorch
2. Few-shot Video-toVideo Synthesis
https://github.com /NVlabs/few-shotvid2vid
3. First Order Motion Model for Image Animation
https://github.com/AliaksandrSiarohin/first-order-model
4.StarGAN v2: Diverse Image Synthesis for Multiple Domains
https://github.com/clovaai/stargan-v2
5. U-GAT-IT: Unsupervised Generative Attentional Networks with Adaptive Layer-Instance Normalization for Image-to-Image Translation
https://github.com/znxlwm/UGATIT-pytorch

飞桨API与torch对照表，点击链接下载

https://pan.baidu.com/s/12Cl6DAa2eJ8GdTUXjNbqJA 密码:ajf7

leigangblog
关注
  • 1
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
biggan:large scale gan training for high fidelity natural image synthesis
liguandong
06-23 1228
深度解读DeepMind新作：史上最强GAN图像生成器—BigGAN - 知乎本期推荐的论文笔记来自 PaperWeekly 社区用户 @TwistedW。由 DeepMind 带来的 BigGAN 可谓是笔者见过最好的 GAN 模型了，这里的 Big 不单单是指模型参数和 Batch 的大，似乎还在暗示让人印象深刻，文章也确实做到…https://zhuanlan.zhihu.com/p/46581611这篇文章写的还是很容易理解的，相比较之前大规模的摆公式，biggan好理解多了，但是模型结构图都放到了
[论文笔记] LARGE SCALE GAN TRAINING FOR HIGH FIDELITY NATURAL IMAGE SYNTHESIS
xby的学习笔记存档处
10-10 4428
ICLR2019在审文章，作者单位DeepMind 文章希望既保证GAN生成图像的保真度又保证生成图像的多样性。对此，作者认为他们有三点贡献： 1、论证了GANs能通过scaling来提升性能。他们使用与原先技术相比，2~4倍的参数量和8倍的batch size，引入了两种简单的结构调整方法来提升网络的可扩展性，并修改一种正则化方案来提高conditioning。 2、上述修改产生的另一种影响是...
LARGE SCALE GAN TRAINING FOR HIGH FIDELITY NATURAL IMAGE SYNTHESIS
qq_33816657的博客
03-21 926
前言：这篇paper提出的BigGAN可谓是截至2018年在生成图片质量和多样性方面性能最好的GAN了，作者是赫瑞瓦特大学的Andrew Brock，目前在谷歌实习，这位实习生得到Goodfellow等多位前辈的关注，另外两名是来自谷歌DeepMind团队的Jeff Donahue和Karen Simonyan。BigGAN到底多强大？与BigGAN出现之前最好GAN模型SA-GAN相比，性能（I...
论文笔记：Large Scale GAN Training for High Fidelity Natural Image Synthesis
WinerChopin的博客
10-07 770
进入正题之前，UP主想要吐槽一下，关于这篇文章的很多博客好多人都是直接记录了前面的部分; 即作者介绍的5个tricks用于高清图像256×256甚至是512×512，然后给了一堆结果。 就完了，。那后面的讨论分析呢？？ 本着一探究竟的蛮劲，UP主特意花了一天的时间去读了这篇博客（这里倒是挺好奇，其他道友读论文的花费时长的●_●） 进入主题，下面我们根据文章的组织路线来解读这篇文章。 ...
Large scale GAN training for high fidelity natural image synthesis解读
SIGAI_CSDN的博客
12-04 1353
【飞桨】学习论文复现，【Paddle Paddle】复现LARGE SCALE GAN TRAINING FOR HIGH FIDELITY NATURAL IMAGE SYNTHESIS
qq_37887653的博客
08-06 289
LARGE SCALE GAN TRAINING FOR HIGH FIDELITY NATURAL IMAGE SYNTHESIS 大规模GAN训练，实现高保真自然图像合成 Author:Andrew Brock Heriot-Watt University, Jeff Donahue DeepMind, Karen Simonyan DeepMind,ICLR 2019 [论文复现课程链接](https://aistudio.baidu.com/aistudio/education/group/i
【少样本图像生成】Towards Faster And Stabilized GAN training for high-fidelity few-shot image synthesis
qq_26136211的博客
03-01 4743
【少样本图像生成】TOWARDS FASTER AND STABILIZED GAN TRAINING FOR HIGH-FIDELITY FEW-SHOT IMAGE SYNTHESIS 论文阅读笔记 开源代码： https://github.com/odegeasslbc/FastGAN-pytorch 首先这篇文章会分析一下模型的效果，优缺点，然后再解释网络结构。 模型效果分析 从论文里的图来看，效果是很不错的。以下是用1024x1024像素在2080-Ti GPU上训练的，数据集大小1000.左边训
论文学习：HIFI-GANGenerative Adversarial Networks forEfficient and High Fidelity Speech Synthesis
qq_41650700的博客
11-07 1010
系列文章目录 提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加 例如：第一章 Python 机器学习入门之pandas的使用 提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档 目录 系列文章目录 物理意义 一、模型 1.generator 2.Discriminator 二.损失函数 三.音频质量和合成速度分析 物理意义 语音合成技术共两个阶段，第一阶段是从文本中模拟人类语言的低级表示，比如输入一段文字，模型从而生成这段文...
论文阅读笔记3——Large Scale GAN Training for High Fidelity Natural Image Synthesis
sinat_17581847的博客
05-15 395
论文标题：Large Scale GAN Training for High Fidelity Natural Image Synthesis 原文链接：https://openreview.net/pdf?id=B1xsqj09Fm 贡献： 证明了GANs可以从扩大规模中获得巨大的收益，使用了比现有技术多2到4倍的参数和8倍的批大小。引入两个简单的、通用的体系结构更改，提高了规模，并修改了正...
Large scale GAN training for high fidelity natural image synthesis
Sual
12-11 1169
  这篇论文是Heriot-Watt大学和Google DeepMind向ICLR 2019提交的一篇论文，最近的讨论热度非常高，公众号各种推送，这里博主也来细读学习一下。同门粗看了一下，据说文中有很多晦涩的地方，还是老老实实先翻译一遍吧=-=。 原文链接：https://arxiv.org/abs/1809.11096?context=cs.LG 摘要   尽管最近在生成图像建模方面取得了...
【paddlepaddle论文复现】Large scale GAN training for high fidelity natural image synthesis论文学习
qq_38391210的博客
08-06 251
摘要 这篇论文训练了大规模的GAN（生成对抗网络），并且研究了训练过程中的不稳定性。通过实验发现，采用正交规范化（orthogonal regularization）是一个很好的truncation trick，可以实现样本质量和样本多样性之间的平衡。在ImageNet上进行训练，论文中的big GAN模型可以达到166.5的IS指标，同时达到7.4的FID指标，而在这之前这两个指标最好的时候也只能分别达到52.52和18.65. 相关介绍 GAN模型的训练是动态的，并且对于训练的每一个因素的改变都很敏感，
BigGAN: Large scale GAN training for high fidelity natural image synthesis
连理o的博客
09-06 632
paper: large scale GAN training for high fidelity natural image synthesis (ICLR 2019) code: https://github.com/ANIME305/Anime-GAN-tensorflow, more code 目录Abstract Abstract Motivation Despite recent progress in generative image modeling, successfully gen.
[BigGAN] Large Scale GAN Training for High Fidelity Natural Image Synthesis
sinat_30618203的博客
06-06 662
在大型数据集上训练class-conditional GAN，并探索相关的trick。
bigGAN: LARGE SCALE GAN TRAINING FOR HIGH FIDELITY NATURAL IMAGE SYNTHESIS
小肥柴不是小废柴的博客
10-06 1717
论文地址：bigGAN 这篇paper还在ICLR2018的审稿当中，但是由于效果太惊艳，已经引起了广泛的讨论。 这篇介绍的GAN模型用于生成高清图像，其生成的图像质量非常高，高到可以以假乱真的程度。先来几张感受一下： 作者的工作主要体现在以下三点： ...
《Large scale GAN training for high fidelity natural image synthesis》论文阅读记录
evsunny的博客
07-04 463
论文连接地址：https://arxiv.org/pdf/1809.11096.pdf Github地址：https://github.com/AaronLeong/BigGAN-pytorch 目录 一、效果展示 二、简介 三、主要贡献 四、BigGAN模型 4.1 模型的网络架构 4.2 模型的实现——Scaling up GANs 五、实验 六、总结 这篇论文是ICLR...
（2018, BigGAN）用于高保真自然图像合成的大规模 GAN 训练
qq_44681809的博客
05-16 630
本文的核心思想是，更大的 batch 以及模型规模（更多的参数），可以带来更好的性能。
飞桨论文复现之《LARGE SCALE GAN TRAINING FOR HIGH FIDELITY NATURAL IMAGE SYNTHESIS》
weixin_46157632的博客
08-07 166
飞桨论文复现之《LARGE SCALE GAN TRAINING FOR HIGH FIDELITY NATURAL IMAGE SYNTHESIS》 课程地址：https://aistudio.baidu.com/aistudio/education/group/info/1340 这篇论文其实可以算是GAN的入门论文，把GAN实验重演了一遍。 效果 要点 主要描述为了增强Gan生成图与真实图片的三个方向： GAN的规模 “裁剪技巧” 牺牲一定程度的稳定性 论文结论 通过训练2到4倍的参数和8倍的批
介绍Fast-ganfit: Generative adversarial network for high fidelity 3d face reconstruction的内容
最新发布
07-15
非常抱歉，目前我无法找到与标题 "Fast-ganfit: Generative adversarial network for high fidelity 3d face reconstruction" 相匹配的论文。可能是因为该论文尚未被我所使用的论文数据库收录，或者我对于该论文的...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值