LegközelebbKövetkező útmutató
Feltételes GAN-ok
Vizuális AI
Vizuális MI ÚTMUTATÓ
A progresszív növekedés úgy edzi a GAN-t, hogy kis felbontástól kezdve fokozatosan rétegeket ad hozzá a nagy felbontású képek eléréséhez.
Hallgassa meg ezt az útmutatótAI-narrált · ~2 min
It matters because it made stable, megapixel-quality GAN synthesis practical for the first time.
Karras et al. (NVIDIA) 2017-ben a progresszív növekedés (ProGAN) megbirkózik a GAN-ok képzésének instabilitásával és lassúságával közvetlenül nagy felbontáson. Mind a generátor, mind a diszkriminátor kicsiben kezdődik, 4x4 pixelben, és csak nagyméretű szerkezetet tanul meg. A felbontást megduplázó új rétegek (8x8, 16x16, legfeljebb 1024x1024) ezután szimmetrikusan hozzáadódnak mindkét hálózathoz a képzés során. Lényeges, hogy minden új réteg zökkenőmentesen elhalványul egy lineáris alfa-keverék segítségével, így a hálózatot nem sokkolja egy hirtelen építészeti változás. Azáltal, hogy a durva jellemzőket a finom részletek előtt tanulja meg, az edzés stabilabb, gyorsabban konvergál, és olyan hifi arcokat produkál, amelyek híressé tették a CelebA-HQ eredményeit. A tanulmány emellett bevezette a minibatch szórást és a kiegyenlített tanulási arányokat a képzés további stabilizálása érdekében.
Training on CelebA-HQ to generate synthetic high-resolution face samples.
Studying GAN synthesis on LSUN scene categories.
Understanding the staged architecture that the original StyleGAN extended.
Comparing coarse-to-fine schedules with later fixed-architecture GAN training.
A progresszív növekedés volt a StyleGAN alapja, de a StyleGAN2 később megmutatta, hogy egy fix architektúra átugrásokkal és maradék blokkokkal a fokozatos ütemezés nélkül is megfelel a minőségének, így az explicit növekedés kiesett. A mélyebb örökség továbbra is fennáll: a durva-finom generálás most megjelenik a többléptékű diffúzióban, a kaszkádos szuperfelbontású csővezetékekben és a látens tér feljavítóiban. A progresszív növekedés megértése továbbra is értékes annak megértéséhez, hogy a hierarchikus, alacsony-magas frekvenciájú tanulás miért stabilizálja a generatív képzést.
Ingyenes hírlevél
Minden hétköznap reggel három ellenőrzött AI történet, egyszerű angol nyelven. Örökké ingyen, hirdetések nélkül.
Minden hétköznap egy e-mail. Egy kattintással lemondhat. Soha nem értékesítjük vagy osztjuk meg az Ön címét.
Teszteld magad
Azonnali visszajelzés minden válaszra, és megosztható tanúsítvány egy ellenőrizhető azonosítóval, miután sikeresen teljesít egy kurzust.
Támogassa az ingyenes AI oktatást. AI Understanding egy 501(c)(3) nonprofit – nincs hirdetés, nincs fizetőfal, soha. Tegyen adományt
A progresszív növekedés úgy edzi a GAN-t, hogy kis felbontástól kezdve fokozatosan rétegeket ad hozzá a nagy felbontású képek eléréséhez. Ez azért fontos, mert a stabil, megapixel minőségű GAN szintézist most először tette praktikussá.
A képzés 4x4-nél kezdődik, ahol a hálózatok megtanulják a durva szerkezetet, mielőtt nagyobb felbontású rétegeket adnak hozzá.
A durva jellemzők elsajátítása először stabilizálja az edzést és felgyorsítja a konvergenciát, összehasonlítva a kezdetektől fogva teljes felbontású támadással.
A lineáris fade-in ötvözi az új réteg kimenetét egy felmintavételezett, alacsonyabb felbontású kimenettel, így a hálózat fokozatosan alkalmazkodik.
Mindkét hálózat párhuzamosan növekszik, így a diszkriminátor folyamatosan a generátor aktuális felbontásán tudja kiértékelni a képeket.
Statisztikát ad hozzá a kötegelt változásról, és arra ösztönzi a generátort, hogy változatos kimeneteket állítson elő, ahelyett, hogy összeomolna.
Tanulj tovább
További útmutatók készültek ehhez a témához
LegközelebbKövetkező útmutató
Feltételes GAN-ok
Vizuális AI