百度飞桨PaddlePaddle论文复现营论文阅读之 Large scale GAN training for high fidelity natural image synthesis
这篇论文带来了史上最佳的GAN生成图片,提升Inception Score 100分以上。
生成图像建模的研究虽然取得了很大进展,从复杂数据集例如 ImageNet 中生成高分辨率、多样性的样本仍然是很大的挑战。为此,这篇文章的研究团队尝试在最大规模的数据集中训练生成对抗网络,并研究在这种规模的训练下的不稳定性。研究者发现应用垂直正则化(orthogonal regularization)到生成器可以使其服从简单的「截断技巧」(truncation trick),从而允许通过截断隐空间来精调样本保真度和多样性的权衡。这种修改方法可以让模型在类条件的图像合成中达到当前最佳性能。当在 128x128 分辨率的 ImageNet 上训练时,这篇文章提出的模型—BigGAN—可以达到 166.3 的 Inception 分数(IS),以及 9.6 的 Frechet Inception 距离(FID),而之前的最佳 IS 和 FID 仅为 52.52 和 18.65。
下面我们直观的看一下本篇文章的图片生成效果:
已经无法分辨生成图片与真实图片