快播：GAN卷土重來(lái)：10億參數的GigaGAN效果堪比擴散模型
來(lái)源：程序員客棧時(shí)間：2023-06-17 07:49:35
【資料圖】
點(diǎn)藍色字關(guān)注“機器學(xué)習算法工程師”
設為星標，干貨直達！
自從 DALL·E 2 之后，在圖像生成方面擴散模型替代GAN成了主流方向，比如開(kāi)源的文生圖模型stable diffusion也是基于diffusion架構的。近日， Adobe研究者在論文Scaling up GANs for Text-to-Image Synthesis提出了參數量為10億（1B）的GAN模型：GigaGAN，其在文生圖效果上接近擴散模型效果，而且推理速度更快，生成512x512大小圖像只需要0.13s，生成16M像素圖像只需要 3.66s。同時(shí)GigaGAN也支持latent空間的編輯功能，比如latent插值，風(fēng)格混合，以及向量運算等。
GigaGAN改進(jìn)了StyleGAN架構，采用兩階段訓練策略：一個(gè)是64x64的圖像生成器和一個(gè)512x512的圖像超分2器，其圖像生成器架構如下所示（這里也是采用CLIP text encoder來(lái)引入text condition）：GigaGAN在 LAION2B-en和 COYO-700M數據集上訓練，其在COCO數據集上的FID達到9.09，超過(guò)stable diffusion 1.5，推理速度比stable diffusion快20倍多（2.9s vs 0.13s）：GigaGAN除了文生圖能力，還可以實(shí)現可控的合成，比如風(fēng)格混合，如下圖所示：更多效果圖和技術(shù)細節見(jiàn)論文https://arxiv.org/abs/2303.05511和網(wǎng)站https://mingukkang.github.io/GigaGAN/
標簽：
營(yíng)業(yè)執照公示信息
