GANs的渐进式增长

StyleGAN-XL

AI GitHub 仓库

用于从大型、多样化数据集中生成高分辨率图像的 AI 模型。它扩展了 StyleGAN 架构，以提高图像合成质量和多样性。该项目提供了用于训练、生成样本以及执行图像反演和编辑的代码。StyleGAN-XL 是一个用于从大型、多样化数据集中生成高分辨率图像的 AI 模型。它扩展了 StyleGAN 架构，以提高图像合成质量和多样性。该项目提供了用于训练、生成样本以及执行图像反演和编辑的代码。

DM-GAN

AI GitHub 仓库

用于文本到图像合成的动态记忆生成对抗网络的 PyTorch 实现。该存储库提供了基于 CVPR2019 论文的代码、预训练模型和评估脚本，用于从文本描述生成图像。DM-GAN 是用于文本到图像合成的动态记忆生成对抗网络的 PyTorch 实现。该存储库提供了基于 CVPR2019 论文的代码、预训练模型和评估脚本，用于从文本描述生成图像。

StyleSwin: 基于 Transformer 的 GAN

AI GitHub 仓库

基于 Transformer 的生成对抗网络 (GAN)，专为高分辨率图像生成而设计。它利用 Swin Transformer 和一种新颖的双注意力机制来平衡计算效率和建模能力，在高达 1024x1024 的分辨率下取得了卓越的成果。StyleSwin 是一种基于 Transformer 的生成对抗网络 (GAN)，专为高分辨率图像生成而设计。它利用 Swin Transformer 和一种新颖的双注意力机制来平衡计算效率和建模能力，在高达 1024x1024 的分辨率下取得了卓越的成果。

StyleGAN3 是一种生成对抗网络，通过彻底改革信号处理来消除“纹理粘连”。它实现了平移和旋转的等变性，从而能够更连贯地合成视频和动画。该模型为动态视觉内容提供了改进的细节一致性。

SNGAN Projection

AI GitHub 仓库

该 GitHub 存储库提供了条件图像生成的官方 Chainer 实现。它利用谱归一化和投影判别器来实现生成对抗网络 (GAN)。该项目包括在 ImageNet、狗和猫图像等数据集上进行训练、评估和生成图像的代码。

StyleGAN3 引入了无别名（alias-free）的生成对抗网络，通过彻底改革生成器内的信号处理来实现。这项创新消除了“纹理粘连”现象，能够更连贯地合成视频和动画。该模型在实现 StyleGAN2 的 FID 分数的同时，提供了对平移和旋转的完全等变性，即使在亚像素尺度上也是如此。

LS-GAN

AI 模型

LS-GAN，即损失敏感生成对抗网络，是一个专注于推进GAN的项目。它引入了一种新颖的损失函数方法，旨在提高生成质量和稳定性。该项目提供了用于实现和试验LS-GAN及其变体的源代码。

BEGAN in Tensorflow

AI 模型

该存储库提供了BEGAN（边界平衡生成对抗网络）模型的TensorFlow实现。它允许用户训练和测试用于图像合成的生成模型，支持自定义数据集和GPU加速。该项目包括数据加载、模型架构和训练实用程序的代码。