按年被提到
20232023 · 3 次2026
视觉、语音与图像生成›图像与视频生成·arXiv:2301.09515 · cs.LG

StyleGAN-T: Unlocking the Power of GANs for Fast Large-Scale Text-to-Image Synthesis

StyleGAN-T:释放 GAN 在快速大规模文生图中的潜力
Axel Sauer, Tero Karras, Samuli Laine, Andreas Geiger, Timo Aila · 2023

StyleGAN-T:单步前向的大规模文本生成图像 GAN

开始阅读 ↗PDFalphaXiv 讨论
被推荐 · 3 人首次 2023-01-24 · 最近 2023-12-14
3不同的人
3活跃月份
2讨论串
109被引(OpenAlex)

最强的文生图模型(扩散、自回归)生成一张图需要多次迭代,GAN 只需一次前向因而快得多,但在大规模文生图上远落后于最优水平。论文要找出让 GAN 重新具备竞争力的必要步骤,提出的 StyleGAN-T 针对大规模文生图的需求设计:大容量、在多样数据集上稳定训练、强文本对齐,以及文本对齐与多样性之间可控的权衡。它显著超过以往 GAN,并在样本质量和速度上胜过蒸馏扩散模型这一此前最快的文生图方案。

HN 为什么提它

评论者围绕 GAN 能否追上扩散模型展开:有人认为图 1 就足以说明质量可比,也有人指出它在质量上仍不及扩散模型。

方法难度 4 / 5约 45 分钟有时效性
读之前最好知道
1生成对抗网络(GAN)
2StyleGAN 系列
3扩散模型与文本生成图像
4CLIP 文本编码

HN 书评

推荐在前,同类按时间 · 每篇最多保留 20 条,统计用全部提及
推荐godelski · 2023-12

“Figure 1 speaks for itself, noting that this is on T2I.”

推荐它,称图 1 就说明问题,文生图 GAN 的质量可比扩散模型
Stable Diffusion Turbo on a Raspberry Pi Zero 2 generates an image in 29 minutes原评论 ↗
引用cubefox · 2023-06

“Though apparently they aren't quite competitive with diffusion models in terms of quality.”

提到这类 GAN 文生图在质量上似乎还比不上扩散模型
被提交为 story · 1 次