StyleGAN
StyleGAN er en type GAN med en stilbaseret generator, der muliggør kontrol over forskellige aspekter af det genererede billede ved at manipulere latente variabler.
Kort fortalt
En GAN-arkitektur, der giver ekstremt realistisk og kontrollerbar billedgenerering ved at adskille 'stil' og 'indhold'.
- Kategori
- arkitektur
- Niveau
- øvet
- Udtale
- /ˈstaɪlˌɡæn/
Betydninger
1- 1
En generativ adversarial network (GAN)-arkitektur, hvor generatoren bruger et stilbaseret design, der muliggør kontrol af fine og grove træk i outputtet gennem skalerede latente koder, samt teknikker som stilmiks og trunkering.
- StyleGAN kan generere fotorealistiske billeder af ansigter med uovertruffen variation i alder, køn og ansigtsudtryk. — Karras et al., 2018
- Ved at manipulere stilvektorerne i StyleGAN kan man kontrollere både globale aspekter som belysning og lokale detaljer som hårfarve. — Karras et al., 2019
Hvornår bruges det
StyleGAN bruges typisk til at generere højkvalitetsbilleder af ansigter, dyr, objekter eller kunst. Den anvendes også i dataaugmentation, kreativt designs og forskning i generative modeller.
Kodeeksempel
import torch
from stylegan2_pytorch import StyleGAN2
model = StyleGAN2.load('pretrained.pt')
z = torch.randn(1, 512)
img = model.G(z)Simpelt eksempel på brug af en forudtrænet StyleGAN-model til at generere et billede fra en tilfældig latent vektor.
Oprindelse
Introduceret i 2018 af NVIDIA-forskere (Karras et al.) i artiklen 'A Style-Based Generator Architecture for Generative Adversarial Networks'.