GAN归来：模型大幅简化，训练更稳定，逆袭扩散模型，AI社区疯传

文章预览

关注公众号，发现CV技术之美 本文转自机器之心。 GANs are so back!? 2025 年了，GAN 能否击败扩散模型？答案是 Yes！ 本周五，AI 社区开始讨论一种全新极简主义 GAN（生成对抗网络）。 现代版 GAN 基准论文成为了周五 HuggingFace 热度最高的研究。该论文也入选了 NeurIPS 2024。 它并不像以往那样走 tricks 路径 —— 通过一场「现代化」改造，GAN 现在可以进行更长时间的训练（与扩散模型的训练步骤数相当），一旦 GAN 训练时间足够长，并且架构足够强大，它们就可以胜过扩散模型，并成为更好、更快、更小的模型。 来自布朗大学、康奈尔大学的研究者们表示，通过引入一个新的损失函数，我们就可以解决以往 GAN 模式崩溃（collapse）和不稳定性的问题。 为了证明可行性，他们测试了 GAN 里流行的 StyleGAN2，通过新的理论进行最简升级（修改后改名为「R3GAN」） ………………………………