DalšíDalší průvodce
AI Image Generators ve výtvarné třídě
Vizuální AI
Vizuální průvodce AI
GigaGAN is a text-to-image GAN architecture introduced by Adobe and collaborators in 2023.
Poslechněte si tento návodAI-vyprávěný · ~2 min
The paper reports 512px generation in about 0.13 seconds in its tested configuration and describes a separate GAN upsampler; speed and image-quality comparisons depend on resolution, hardware, and baseline.
GigaGAN, introduced by Adobe and researchers in 2023, addressed instability encountered when naively scaling earlier GAN architectures to large text-to-image datasets. The paper widens the generator and discriminator, uses sample-adaptive convolution filters, and incorporates cross-attention to text embeddings. The generator emits an image pyramid across multiple scales. The paper reports a 512px output in about 0.13 seconds and a 4096px output in about 3.7 seconds for the tested framework; the high-resolution pipeline uses the base generator with a separate GAN super-resolution model. Results apply to those reported configurations and do not establish that GigaGAN is faster than every diffusion model. The separate upsampler can also be applied to low-resolution inputs from other text-to-image systems. In one high-capacity framework configuration reported in the paper, the base generator has 652.5 million parameters and the separate upsampler has 359.1 million, for 1.0 billion total parameters across the two networks.
Generování obrázku o velikosti 512 pixelů z textové výzvy přibližně za desetinu sekundy pro interaktivní náhledy návrhu
Upscaling 128px fotografie s nízkým rozlišením na ostrý 4K obraz pomocí GAN-založeného super-rozlišení upsampleru
Plynulá interpolace mezi dvěma výzvami v latentním prostoru k oživení přechodů, jako když se šálek kávy mění v konvici
Použití míchání stylů pro zachování rozvržení předmětu při výměně jeho uměleckého stylu nebo barevné palety v nástrojích pro úpravy ve stylu Adobe
GigaGAN oživil zájem o GAN jako alternativu k difúzi zaměřenou na rychlost, zejména pro úpravy v reálném čase a interaktivní úpravy, kde záleží na generování jedním průchodem. Očekávejte hybridní systémy, které používají generátory ve stylu GAN pro okamžité náhledy a difúzi pro konečné upřesnění, plus GAN upsamplery spárované s difúzními bázemi. Jeho rozpojený latentní prostor jej také činí atraktivním pro ovladatelné editační nástroje, kde hladká interpolace překonává pomalé vzorkování.
Newsletter zdarma
Tři ověřené příběhy ze světa AI každý všední den ráno, psané srozumitelnou angličtinou. Navždy zdarma, bez reklam.
Jeden e-mail každý všední den. Odhlásit se můžete jedním kliknutím. Vaši adresu nikdy neprodáváme ani nesdílíme.
Otestujte se
Okamžitá zpětná vazba ke každé odpovědi a sdílitelný certifikát s ověřitelným ID po absolvování kurzu.
Podpořte bezplatnou AI vzdělávání. AI Understanding je nezisková organizace 501(c)(3) — žádné reklamy, žádná platba za přístup, nikdy. Darujte
GigaGAN is a text-to-image GAN architecture introduced by Adobe and collaborators in 2023. The paper reports 512px generation in about 0.13 seconds in its tested configuration and describes a separate GAN upsampler; speed and image-quality comparisons depend on resolution, hardware, and baseline.
The paper reports a 652.5M-parameter base generator and a separate 359.1M-parameter upsampler, totaling 1.0B parameters across the framework.
The paper reports a single-pass 512px sample in about 0.13 seconds in its tested setup. The comparison with iterative diffusion depends on resolution, hardware, and the particular diffusion baseline.
Spíše než pevné filtry má GigaGAN sadu filtrů a používá vkládání textu k jejich vážení a míchání na vzorek, čímž zvyšuje kapacitu a stabilitu.
GigaGAN využívá křížovou pozornost na vkládání textu do generátoru a pomocí diskriminátoru zarovnává generované obrázky s textovými funkcemi CLIP.
GigaGAN obsahuje GAN-založený super-rozlišení upsampler, který dokáže přeměnit malý vstup na ostrý 4K obraz.
Učte se dál
Pro toto téma bylo vybráno více průvodců
DalšíDalší průvodce
AI Image Generators ve výtvarné třídě
Vizuální AI