文件名称：msg-stylegan-tf:tensorflow中的MSG StyleGAN
文件大小：82.55MB
文件格式：ZIP
更新时间：2024-05-14 16:56:55
msg-gan multi-scale-gradients Python
味精-TYLEGAN-TF 论文“ MSG-GAN：生成对抗网络的多尺度梯度”的官方代码存储库 为什么是这个仓库 我们之前的研究工作在发布了代码，该代码在基本ProGAN架构（即DCGAN架构）中应用了我们提出的多尺度连接，而不是使用渐进式增长。 该存储库在StyleGAN中应用了多尺度渐变连接，从而替代了用于训练原始StyleGAN的渐进式增长。 转向Tensorflow的主要目的是确保与StyleGAN进行比较。 到期信用 该代码大量使用NVIDIA的原始代码。 我们认可并认可他们在这里的工作。 位于基本目录（名为LICENSE_ORIGINAL.txt文件）中。 抽象的 尽管生成对抗网络（GAN）在图像合成任务中取得了巨大成功，但众所周知，它们很难适应不同的数据集，部分原因是训练期间的不稳定以及对超参数的敏感性。 这种不稳定性的一个普遍接受的原因是，当真实分布和假分布的支持范围内没有
【文件预览】：
msg-stylegan-tf-master
----generate_figures.py(7KB)
----generate_mixing_figure.py(2KB)
----train.py(7KB)
----config.py(426B)
----diagrams()
--------cut_vid.gif(43.79MB)
--------teaser.jpg(2.04MB)
--------ic_3.jpg(1.23MB)
--------architecture_horizontal.jpg(435KB)
--------flowers_3.jpg(1.33MB)
--------ffhq_2.jpg(7.36MB)
--------Combined_2.jpg(114KB)
--------churches_3.jpg(1.44MB)
--------celebahq_1.jpg(5.3MB)
--------stylegan_flowers_2.png(1.87MB)
--------modified_synchronization.jpg(449KB)
--------full_res_hq_sheet.png(17.44MB)
--------Combined_1.jpg(110KB)
----LICENSE.txt(19KB)
----dataset_tool.py(31KB)
----metrics()
--------__init__.py(350B)
--------metric_base.py(5KB)
--------frechet_inception_distance.py(3KB)
----run_metrics.py(4KB)
----latent_space_interpolation_video.py(7KB)
----dnnlib()
--------util.py(13KB)
--------__init__.py(439B)
--------submission()
--------tflib()
----generate_samples.py(5KB)
----README.md(12KB)
----training()
--------misc.py(11KB)
--------loss.py(11KB)
--------dataset.py(9KB)
--------__init__.py(8B)
--------networks_stylegan.py(31KB)
--------training_loop.py(14KB)
----generate_multiscale_samples.py(6KB)
----.gitignore(2KB)
----LICENSE_ORIGINAL.txt(19KB)