今年年初，英偉達（NVIDIA）的研究工程師們公開了StyleGAN的源代碼，并將其作為生成對抗網絡的基于Style的生成器架構。

比如可以生成無數逼真的人臉：

還能讓你看到從蘿莉到御姐的變換過程是怎樣的：

雖說功能強大，但畢竟是初代版本，難免有些瑕疵，現如今，升級版StyleGAN2誕生了，英偉達近日公開最新論文《Analyzing and Improving the Image Quality of StyleGAN》，通過對 StyleGAN 的生成效果分析，對不完美的工作設計了改進和優化方法，下面一起來看看都有哪些升級：

1、消除特征偽影

就如上圖所示，StyleGAN圖像中會出現類似水滴的偽影，這些在生成的時候雖然說沒有很明顯，但是問題總歸是存在的，而且從生成64×64的圖像開始就有了，分辨率越高，水滴現象就越嚴重。在StyleGAN2里面這個問題已經不存在了。

英偉達的研究人員重新設計了StyleGAN架構，研究了常見的斑點狀artifacts的起源，并發現生成器創建它們是為了規避其架構中的設計缺陷。英偉達重新設計了生成器中使用的normalization，從而刪除了artifacts。

如上圖所示，(a)是原始StyleGAN架構，(b)展示了原始StyleGAN架構的細節，(c)是在原始架構里做了些許改動，(d)是修改后的架構。

改進完之后的效果如下：

已經沒有了前面所說的偽影，同時保留了完全的可控性。

2、生成細節改進

再來看看StyleGAN中采用的是Progressive Growing的訓練方法，細節對位置有強偏好，特征發生移動時，位置不能隨之發生相應的變化移動。

StyleGAN 2研究人員對其進行了優化，如上圖所示，up和down分別表示雙線性上、下采樣。當牙齒或者眼睛等特征在圖像上平滑移動時，它們可能會停留在原位，然后跳到下一個首選位置，下圖顯示了相關的偽像，生成人臉的五官特征可以同時變化。

總的來說，StyleGAN 2的改進如下：

生成的圖像質量明顯更好(FID分數更高、artifacts減少)

提出替代progressive growing的新方法，牙齒、眼睛等細節更完美

改善了Style-mixing

更平滑的插值(額外的正則化)

訓練速度更快

是不是覺得很強大呢？想不想自己體驗一番，最后附上相關地址：

論文地址：https://arxiv.org/pdf/1912.04958.pdf

Github地址：https://github.com/NVlabs/stylegan2