【论文推荐】用于生成对抗网络的基于风格的生成器架构（A Style-Based Generator Architecture for Generative Adversarial Networks）

题目： A Style-Based Generator Architecture for Generative Adversarial Networks

摘要：

我们为生成对抗网络提出了一种替代的生成器体系结构，借鉴了风格转移文献。新的体系结构可以自动地、无监督地分离高级属性(例如，在人脸上训练时的姿态和身份)和生成图像中的随机变化(例如，在人脸上训练时的姿态和身份)，它使规模具体的控制合成。新的生成器在传统的分布质量度量方面改进了当前的技术水平，显著地提高了插值性能，并更好地释放了潜在的变化因素。为了量化插值质量和解纠缠，我们提出了两种适用于任何生成器架构的新的自动化方法。最后，我们介绍一个新的、高度多样化和高质量的人脸数据集。

作者：

Timo Aila是英伟达杰出的研究科学家，阿尔托大学讲师。目前的研究方向是神经网络、计算机视觉和计算机图形学的交叉领域，特别是以生成模型为重点来理解学习。