实体
StyleGAN
StyleGAN
PulseAugur coverage of StyleGAN — every cluster mentioning StyleGAN across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
Decafs模型解耦潜在空间以改进条件生成
研究人员开发了Decafs，一种利用李群解耦流模型中潜在空间嵌入的新型条件生成器。这种方法解决了生成模型中常见的可解释性挑战和因子纠缠问题。Decafs通过对抗性损失将替代潜在空间与流空间对齐，从而实现可控生成，在条件图像生成任务上表现出色，包括在MNIST和dSprites数据集上超越StyleGAN，并在QM9、ZINC和MOSES数据集的分子生成方面取得良好结果。
-
用户在“looksminmaxxing”中运用 StyleGAN 进行面部优化
一位 Reddit 用户正在探索“looksminmaxxing”的概念，通过使用 StyleGAN 来优化他们的面部特征。这涉及到利用生成对抗网络来操纵和增强他们的外貌，以达到理想化的美学效果。
-
新损失函数改进黑盒生成模型适应性
研究人员开发了一种新的黑盒生成模型适应流程，解决了在无法直接访问其权重或梯度的情况下定制大规模AI工具的挑战。所提出的方法利用几何保持损失函数与预训练的生成对抗网络（GANs）相结合。通过重新思考GANs反演并保持切空间之间的成对距离，该系统训练了一个潜在的生成模型来生成目标分布的样本，在StyleGANs上的适应性比传统损失函数有所提高。