GAN网络系列博客(二)：改善StyleGAN的图像质量

程序猿老甘

图形学领域优质创作者

博客专家认证

2022-11-11 13:53:08

在上一篇博客中，我们已经介绍了StyleGAN的基本实现。其主要通过间接隐空间映射，消除了对初始输入分布的硬性约束，能够比较灵活的迁移不同的风格到生成器的各层中。但是，该项工作生成的人脸图像，仍然存在一些不稳定的情况，其图像质量以及语义结构不能被保证。为了解决该问题，StyleGAN2[1]被提出。衔接上一篇博客，在本文中我们来介绍下StyleGAN2的基本原理与实现。

链接：https://blog.csdn.net/aliexken/article/details/127625675?spm=1001.2014.3001.5501

...全文

104 1 打赏收藏转发到动态举报

写回复

1 条回复

切换为时间正序

请发表友善的回复…

发表回复

CSDN-Ada助手 2023-01-13

打赏
举报

回复

您可以前往 CSDN问答-人工智能发布问题, 以便更快地解决您的疑问

StyleGAN2的PyTorch实现（非官方）该存储库包含以下论文的PyTorch实现：分析和改善StyleGAN （StyleGAN2）的图像质量作者：Tero Karras，Samuli Laine，Miika Aittala，Janne Hellsten，Jaakko Lehtinen，Timo Aila 论文： : 视频： : 动机据我所知，styleGAN2的pytorch 1.0实现仍然没有NvLabs发布（Tensorflow），因此，我想在pytorch1.0.1上实现它，以扩展其在pytorch社区中的使用。注意 @日期：2019.12.16 @info：设置位于opts / opts.py中。您可以更改为自己的数据集，并选择64、128、256等分辨率。 @日期：2019.12.27 @info：需要帮助！经过约2周的实验，该版本仍难以收

PyTorch中的StyleGAN 2 在PyTorch中实现并改善StyleGAN的图像质量（）注意我试图尽可能接近官方实施，但也许我遗漏了一些细节。因此，请谨慎使用此实现。要求我已经测试过： PyTorch 1.3.1 CUDA 10.1 / 10.2 用法首先创建lmdb数据集： python prepare_data.py --out LMDB_PATH --n_worker N_WORKER --size SIZE1，SIZE2，SIZE3，... DATASET_PATH 这会将图像转换为jpeg并预先调整其大小。此实现不使用渐进式增长，但是对于以后要尝试其他分辨率的情况，可以使用带有逗号分隔列表的大小参数来创建多个分辨率数据集。然后您可以在分布式设置中训练模型 python -m torch.distributed.launch --nproc

StyleGAN2 —正式的TensorFlow实施分析和改善StyleGAN的图像质量Tero Karras，Samuli Laine，Miika Aittala，Janne Hellsten，Jaakko Lehtinen，Timo Aila 论文： : 视频：：摘要：基于样式的GAN架构（StyleGAN）在数据驱动的无条件生成图像建模中产生了最先进的结果。我们将揭露和分析其一些特征工件，并提出模型体系结构和训练方法方面的更改以解决这些问题。特别是，我们重新设计了生成器归一化，重新审视了渐进式增长，并对生成器进行了正则化，以鼓励从潜矢量到图像的映射中的良好条件。除了改善图像质量外，此路径长度调节器还带来了其他好处，即生成器变得非常易于反转。这使得可以可靠地检测图像是否由特定网络生成。我们进一步可视化发生器如何充分利用其输出分辨率，并确定容量问题，从而激励

用单一图像用GAN技术进行低光图像增强，打破以前利用图像对及逆行训练的模式，减少计算量。

关于生成对抗GAN的干货都在这里了。

程序猿老甘

5

社区成员

5

社区内容

发帖

与我相关

我的任务

个人社区

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章