PyTorch-StudioGAN

收录理由

做GAN研究，最耗时间的往往不是模型本身，而是把不同仓库的代码拼在一起，处理各种兼容问题。StudioGAN把BigGAN、StyleGAN2、StyleGAN3等七种主流GAN架构打包在一个PyTorch库里，条件方法、对抗损失、正则模块都可以通过YAML配置自由组合，不用自己搭基础设施，就能拿新想法和成熟基线做对比。它还内置了IS、FID、PRDC、IFID这些评估指标，并在CIFAR10、ImageNet、AFHQv2、FFHQ上给出了基准结果，大家用同一把尺子量效果，省去不少扯皮。论文发在TPAMI上，作者在Hugging Face上放了预训练checkpoint，想复现一个结果也方便。对做生成模型的研究者来说，这套工具箱挺实用。