文件名称：gansformer：生成对抗型变形金刚
文件大小：119KB
文件格式：ZIP
更新时间：2024-03-23 07:00:23
transformers attention image-generation gans generative-adversarial-networks
GANsformer：生成对抗式变压器 Drew A.Hudson *和C.Lawrence Zitnick *我要感谢克里斯托弗·曼宁（Christopher D. Manning）在开发Bipartite变压器时所进行的富有成果的讨论和建设性的反馈，尤其是在语言表示领域内进行探索时，以及为使这项工作能够实现而提供的财政支持！ 这是模型的一种实现，这是一种新颖且高效的变压器，已针对图像生成任务进行了探索。 该网络采用双向结构，可在整个图像上进行远距离交互，同时保持线性效率的计算，可以轻松扩展至高分辨率合成。 该模型将信息从一组潜在变量迭代传播到不断发展的视觉特征，反之亦然，以支持根据彼此的细化，并鼓励出现对象和场景的合成表示。 与经典的变压器架构相比，它利用乘法集成，可以实现基于区域的灵活调制，因此可以看作是成功的StyleGAN网络的概括。 有关模型训练和数据准备以及预训练模型的
【文件预览】：
gansformer-main
----dataset_tool.py(39KB)
----run_network.py(28KB)
----LICENSE(1KB)
----README.md(6KB)
----dnnlib()
--------__init__.py(547B)
--------util.py(13KB)
--------submission()
--------tflib()
----training()
--------__init__.py(8B)
--------network.py(76KB)
--------training_loop.py(19KB)
--------misc.py(12KB)
--------visualize.py(14KB)
--------loss.py(6KB)
--------dataset.py(10KB)
----run_generator.py(23KB)
----run_metrics.py(3KB)
----metrics()
--------__init__.py(8B)
--------precision_recall.py(9KB)
--------metric_defaults.py(3KB)
--------metric_base.py(11KB)
--------frechet_inception_distance.py(2KB)
--------perceptual_path_length.py(5KB)
--------linear_separability.py(9KB)
--------inception_score.py(2KB)