在此感谢作者分享！
论文：http://research.nvidia.com/sites/default/files/pubs/2017-10_Progressive-Growing-of//karras2017gan-paper.pdf
源代码：https://github.com/tkarras/progressive_growing_of_gans
昨天，英伟达在官网发表了一篇他们已经提交给 ICLR 2018 的论文，提出了一种以渐进增大的方式训练GAN的方法，作者表示，这不仅稳定了训练，还生成了迄今质量最高的GAN生成的图像。
论文题目是“Progressive Growing of GANs for Improved Quality, Stability, and Variation”。其中“Progressive Growing”指的是先训练4x4的网络，然后训练8x8，不断增大，最终达到1024x1024。
作者使用的数据集以CelebA为基础，还进行了额外的处理，包括超分辨率、模糊背景、对齐。
论文摘要
我们描述了生成对抗网络的新训练方法。关键思想是从低分辨率图像开始，逐渐增大（grow）生成器和判别器，并在训练进展过程中添加新的处理更高分辨率细节的网络层。这大大地稳定了训练，并让我们生成了前所未有高质量的图像，例如，分辨率为1024×1024的CelebA图像。我们还提出了一种简单方法，让生成的图像更加变化多端，并在无监督的CIFAR10中实现了8.80的初始分数，创下了记录。此外，我们还描述了几个小的实现细节，对防止生成器和鉴别器之间不健康的竞争非常重要。最后，我们提出了一个从图像质量和种类变化方面衡量GAN结果的新指标。作为额外的贡献，我们构建了更高质量的CelebA数据集，方便以后研究人员就分辨率最高达1024×1024像素的图像进行探索。
网络架构：
更多GAN生成图像，堪比真人照片：
使用精心处理的CelebA-HQ数据集：
可以在这里查看更多GAN生成的高清大图https://drive.google.com/drive/folders/0B4qLcYyJmiz0MUVMVFEyclJnRmc
原文发布于微信公众号 - 新智元（AI_era）
原文发表时间： 2017-10-30
本文参与腾讯云自媒体分享计划，欢迎正在阅读的你也加入，一起分享。
发表于 2018-03-21 网络 数据集 经验分享 11 分享 | 举报