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
StyleGAN-T:单步前向的大规模文本生成图像 GAN
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。
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。
“Figure 1 speaks for itself, noting that this is on T2I.”
“Though apparently they aren't quite competitive with diffusion models in terms of quality.”