GAN 已死？GAN 万岁！一半参数即可碾压扩散模型！

文章预览

沉寂许久的GAN最近来了个大的，布朗大学＆康奈尔大学的研究者提出了一种 GAN的新改进 ——R3GAN（Re-GAN），引入了全新的正则化相对性损失函数，充分利用了现代架构设计，一半参数就能碾压扩散模型！ 这波操作可以说将GAN重新拉回了大众眼前，在智能体非常爆火的当下，GAN如今是前途无量，针对GAN的改进研究也逐渐火热起来。目前，GAN的改进方向主要还是围绕 结构改进、损失函数优化、正则化技术、注意力机制、数据增强与处理 等。 比如上面说的R3GAN，就集中在损失函数优化、正则化技术和结构改进这三个方面。如果大家感兴趣想发论文，可以考虑从以上方向入手，现在已经有了不少可参考的优秀成果。 本文为给论文er们节省查找资料的时间，已经整理好了 9篇 GAN最新的改进方案， 开源代码已附，需要的同学无偿自取~ 扫码 添加小享，回复 ………………………………