stylegan2 ada pytorch:StyleGAN2 ADA 官方PyTorch实施 源码

StyleGAN2-ADA —官方PyTorch实施 用有限的数据训练生成对抗网络Tero Karras,Miika Aittala,Janne Hellsten,Samuli Laine,Jaakko Lehtinen,Timo Aila 摘要:使用太少的数据训练生成对抗网络(GAN)通常会导致判别器过度拟合,从而导致训练分散。 我们提出了一种自适应鉴别器增强机制,该机制可显着稳定有限数据环境中的训练。 该方法不需要更改丢失功能或网络体系结构,并且适用于从头开始训练以及在其他数据集上对现有GAN进行微调时。 我们在几个数据集上证明,仅使用几千个训练图像就可以取得良好的效果,并且通常将StyleGAN2的结果与较少的图像数量级进行匹配。 我们希望这将为GAN开辟新的应用程序域。 我们还发现,实际上,广泛使用的CIFAR-10只是一个有限的数据基准,并将记录FID从5.59提高到2.4