biggan_translation
ФоркИзбранное
0
0
Описание
Перевод статьи: "Large Scale GAN Training for High Fidelity Natural Image Synthesis" Ссылка: https://arxiv.org/abs/1809.11096v2 Переводчик: Иван Павленко (kingyo.dev@yandex.ru). Для перевода использовались: GigaChat, Google Translate. Данный перевод был создан для ознакомления с материалом и не является полным или законченным,
Языки
- Markdown100%
kingyodev
10 сен 2024, 16:49
2 года назад
2 года назад
2 года назад
2 года назад
2 года назад
2 года назад
2 года назад
2 года назад
2 года назад
2 года назад
2 года назад
2 года назад
2 года назад
2 года назад
2 года назад
2 года назад
2 года назад
2 года назад
2 года назад
2 года назад
2 года назад
2 года назад
2 года назад
2 года назад
2 года назад
2 года назад
2 года назад
2 года назад
2 года назад
2 года назад
2 года назад
2 года назад
2 года назад
2 года назад
2 года назад
2 года назад
2 года назад
2 года назад
2 года назад
2 года назад
2 года назад
2 года назад
2 года назад
2 года назад
2 года назад
2 года назад
2 года назад
2 года назад
2 года назад
2 года назад
2 года назад
2 года назад
2 года назад
2 года назад
2 года назад
2 года назад
2 года назад
2 года назад
2 года назад
2 года назад
2 года назад
2 года назад
2 года назад
2 года назад
2 года назад
2 года назад
2 года назад
2 года назад
2 года назад
2 года назад
2 года назад
2 года назад
2 года назад
2 года назад
2 года назад
2 года назад
2 года назад
2 года назад
2 года назад
Обучение GAN в крупном масштабе для синтеза естественных изображений высокого разрешения
Авторы
Вкратце
1 Введение
2 Задний план (Background)
3 Масштабирование GANs
3.1. Балансировка разнообразия и точности с помощью трюка с обрезкой (Truncation Trick)
3.2 В итоге
4 Анализ
4.1 Характеристика нестабильности: Генератор
4.1 Характеристика нестабильности: Дискриминатор
4.3 В итоге
5 Эксперименты
5.1. Оценка на ImageNet
5.2. Дополнительная оценка на наборе данных JFT-300M
6 Заключение
Благодарности
Списко литературы
Приложение A - Дополнительные образцы, интерполяции и ближайшие соседи (набор данных ImageNet)
Приложение B - Делатли архитектуры
Приложение C - Подробности экспериментов
C.1 Пакетная нормализация (BatchNorm) Статистика и Примеры
C.2 Набор данных CIFAR-10
C.3 Метрика Inception Scores (IS) для изображений набора данных ImageNet
Приложение D - Дополнительные графики.
Приложение E - Выбор латентного пространства (latent space)
Приложение F. Мониторинг статистики обучения.
Приложение G. Дополнительное обсуждение: Стабильность и Коллапс
G.1 Вмешательство перед калапсом
G.2 Всплекски в спектрах дискриминатора
Приложение H. Негативные результаты
Приложение I. Гиперпараметры
README.md