文件名称：ylg:[CVPR 2020]正式实施
文件大小：16.14MB
文件格式：ZIP
更新时间：2024-05-24 12:27:43
machine-learning computer-vision gans attention-mechanism generative-adversarial-networks
官方代码：您的Locan GAN-为生成模型设计二维局部注意机制 该存储库托管了该论文的正式Tensorflow实现：“您的本地GAN：为生成模型设计二维本地注意力机制”。 该论文被CVPR 2020接受（海报）。 抽象的： 我们引入了一个新的局部稀疏注意层，该层保留了二维几何形状和局部性。 我们表明，仅用我们的结构替换SAGAN的密集注意力层，我们就可以获得非常重要的FID，初始得分和纯视觉效果。 在所有其他参数保持不变的情况下，ImageNet上的FID分数从18.65提高到15.94 。 我们为新层提议的稀疏注意力模式是使用一种新的信息理论标准设计的，该标准使用信息流图。 我们还提出了一种新颖的方法来引起对立的对抗网络的产生。 我们的方法从鉴别器的关注层提取了显着图，我们将其用于构造新的反演损失函数。 这使我们能够可视化新引入的关注头，并表明它们确实捕获了真实图像的二维几何的
【文件预览】：
ylg-master
----.gitignore(1KB)
----README.md(6KB)
----ylg()
--------train_experiment_main.py(5KB)
--------inverse_image.py(8KB)
--------generate_images.py(3KB)
--------discriminator.py(4KB)
--------estimator_lib.py(8KB)
--------optimization.py(3KB)
--------ops.py(16KB)
--------eval_lib.py(6KB)
--------real_images()
--------explore_latent.py(3KB)
--------generator.py(5KB)
--------train_experiment.py(10KB)
--------masks.py(13KB)
--------categories.py(30KB)
--------data_provider.py(5KB)
----generated()
--------nature.jpg(6.47MB)
--------collage.jpg(455KB)
----maltese.gif(5.83MB)
----LICENSE(34KB)
----requirements.txt(128B)
----inversions()
--------inverted.jpg(3.35MB)