研究人员发现，传统的注入条件信息的方法对基于Transformer的条件GAN没有很好的效果。 罪魁祸首是通过Transformer生成器中的残差连接在大信息流中。

伟达和UC Berkeley的研究者最近公开一个名为pix2pixHD的项目，并公开了论文和代码。pix2pixHD能够利用条件GAN进行2048x1024分辨率的图像合成和处理，输入 ...

但近日，来自麻省理工学院（MIT）、Adobe、上海交通大学的研究者提出了一种用于压缩条件 GAN 的通用方法。这一新技术在保持视觉保真度的同时，将 ...

针对这个问题，来自香港中文大学的研究人员发表了一篇论文，旨在了解GAN 模型中Transformer 的内在行为，以缩小基于Transformer的GAN模型与基于CNN主干的GAN模型之间的性能差距。文中不仅研究了无条件的图像合成，而且还研究了如何更少地探索的条件设置。

条件gan不仅能够模仿“卧室”，“脸”，“狗”等大分类的图像，它生成的图像分类还可以更细。 例如，Text2Image网络能将对图像的文字描述，转换 ...

条件 gan（cgan） 条件 GAN（CGAN）是一种 GAN，它向生成器和判别器提供额外输入以条件化生成过程。 此额外输入可以是任何类型的辅助信息，例如类别 ...

CGAN还具有另一优势：相较于条件GAN，CGAN可以生成label-focused样本。通过选择γ的低值，可以讲发生器更多的专注于输入标签。

Pix2Pix 探索了将条件 GAN 作为图像到图像变换问题的通用解决方案的可行性。 这些网络不仅能学习从输入图像到输出图像的变换，还能学习一个损失 ...

无监督条件下，GAN 模型潜在语义的识别似乎是一件非常具有挑战性的任务。最近，香港中文大学周博磊等人提出了一种名为「SeFa」的方法，为该 ...

(1) 将GAN改进为条件产生式模型：这一点最早在GAN公开后的半年就得到了部分解决，即conditional GAN（ARXIV-2014）的工作，该模型实现了给定条件的数据 ...

条件gan需要仔细的超参数调整。 很多GAN的变体模型中，总损失由多个损失的加权和组成。 所以降低失真需要很大的精力来调整不同的损失函数权重。