styleGAN

关注

原创最新推荐文章于 2026-07-10 12:19:21 发布 987 阅读 AI 写同款· GEO 优化 ›

StyleGAN及其改进型（StyleGAN2）——基于样式的生成对抗网络论文整理与总结 StyleGAN及其改进型（StyleGAN2）——基于样式的生成对抗网络论文整理与总结StyleGAN论文简介论文研究背景及意义论文的工作和贡献论文的模型和方法基于样式的生成器结构正则化-混合正则化（mixing regularization）两种新的量化隐空间（latent space）耦合度的方法论文生成的图像的质量StyleGAG总结StyleGAN的缺点StyleGAN2StyleGAN2的模型和方法新的网络结构StyleGAN2的主要改进改进详述总结参考博客及文章论文：https://arxi 阅读详情

数据集

在不同分辨率下在不同数据集上训练的预训练 StyleGAN 模型的集合。
在这里插入图片描述

Dataset	images	information
LSUN Bedrooms
LSUN Cars
LSUN Cats
CelebA HQ Faces
FFHQ Faces
Pokemon
Anime Faces
Anime Portraits
WikiArt Faces
Abstract Photos
Vases
Fireworks
Ukiyo-e Faces
Butterflies

使用预训练网络

pretrained_example.py 中给出了使用预训练 StyleGAN 生成器的最小示例。执行时，脚本会从 Google Drive 下载一个预先训练好的 StyleGAN 生成器，并使用它来生成图像：

> python pretrained_example.py
Downloading https://drive.google.com/uc?id=1MEGjdvVpUsu1jB4zrXZN7Y4kBBOzizDQ .... done

Gs                              Params    OutputShape          WeightShape
---                             ---       ---                  ---
latents_in                      -         (?, 512)             -
...
images_out                      -         (?, 3, 1024, 1024)   -
---                             ---       ---                  ---
Total                           26219627

> ls results
example.png # https://drive.google.com/uc?id=1UDLT_zb-rof9kKH0GwiJW_bS9MoZi8oP

generate_figures.py 中给出了一个更高级的示例。该脚本复制了我们论文中的数字，以说明样式混合、噪声输入和截断：

> python generate_figures.py
results/figure02-uncurated-ffhq.png     # https://drive.google.com/uc?id=1U3r1xgcD7o-Fd0SBRpq8PXYajm7_30cu
results/figure03-style-mixing.png       # https://drive.google.com/uc?id=1U-nlMDtpnf1RcYkaFQtbh5oxnhA97hy6
results/figure04-noise-detail.png       # https://drive.google.com/uc?id=1UX3m39u_DTU6eLnEW6MqGzbwPFt2R9cG
results/figure05-noise-components.png   # https://drive.google.com/uc?id=1UQKPcvYVeWMRccGMbs2pPD9PVv1QDyp_
results/figure08-truncation-trick.png   # https://drive.google.com/uc?id=1ULea0C12zGlxdDQFNLXOWZCHi3QNfk_v
results/figure10-uncurated-bedrooms.png # https://drive.google.com/uc?id=1UEBnms1XMfj78OHj3_cx80mUf_m9DUJr
results/figure11-uncurated-cars.png     # https://drive.google.com/uc?id=1UO-4JtAs64Kun5vIj10UXqAJ1d5Ir1Ke
results/figure12-uncurated-cats.png     # https://drive.google.com/uc?id=1USnJc14prlu3QAYxstrtlfXC9sDWPA-W

预训练的网络作为标准 pickle 文件存储在 Google Drive 上：

# Load pre-trained network.
url = 'https://drive.google.com/uc?id=1MEGjdvVpUsu1jB4zrXZN7Y4kBBOzizDQ' # karras2019stylegan-ffhq-1024x1024.pkl
with dnnlib.util.open_url(url, cache_dir=config.cache_dir) as f:
    _G, _D, Gs = pickle.load(f)
    # _G = Instantaneous snapshot of the generator. Mainly useful for resuming a previous training run.
    # _D = Instantaneous snapshot of the discriminator. Mainly useful for resuming a previous training run.
    # Gs = Long-term average of the generator. Yields higher-quality results than the instantaneous snapshot.

上面的代码下载文件并解压它以产生 dnnlib.tflib.Network 的 3 个实例。要生成图像，您通常需要使用 Gs——另外两个网络是为了完整性而提供的。为了使 pickle.load() 工作，您需要在 PYTHONPATH 中包含 dnnlib 源目录，并将 tf.Session 设置为默认值。会话可以通过调用 dnnlib.tflib.init_tf() 来初始化。

使用预训练生成器的三种方式：

使用 Gs.run() 进行立即模式操作，其中输入和输出是 numpy 数组：
第一个参数是一批形状为 [num, 512] 的潜在向量。第二个参数是为类标签保留的（StyleGAN 不使用）。其余的关键字参数是可选的，可用于进一步修改操作（见下文）。输出是一批图像，其格式由 output_transform 参数指定。
```
# Pick latent vector.
rnd = np.random.RandomState(5)
latents = rnd.randn(1, Gs.input_shape[1])

# Generate image.
fmt = dict(func=tflib.convert_images_to_uint8, nchw_to_nhwc=True)
images = Gs.run(latents, None, truncation_psi=0.7, randomize_noise=True, output_transform=fmt)
```

使用 Gs.get_output_for() 将生成器合并为更大的 TensorFlow 表达式的一部分：
上面的代码来自metrics/frechet_inception_distance.py。它生成一批随机图像并将它们直接提供给 Inception-v3 网络，而无需将数据转换为中间的 numpy 数组。

latents = tf.random_normal([self.minibatch_per_gpu] + Gs_clone.input_shape[1:])
images = Gs_clone.get_output_for(latents, None, is_validation=True, randomize_noise=True)
images = tflib.convert_images_to_uint8(images)
result_expr.append(inception_clone.get_output_for(images))

查找 Gs.components.mapping 和 Gs.components.synthesis 以访问生成器的各个子网络。与 Gs 类似，子网络表示为 dnnlib.tflib.Network 的独立实例：

src_latents = np.stack(np.random.RandomState(seed).randn(Gs.input_shape[1]) for seed in src_seeds)
src_dlatents = Gs.components.mapping.run(src_latents, None) # [seed, layer, component]
src_images = Gs.components.synthesis.run(src_dlatents, randomize_noise=False, **synthesis_kwargs)

上面的代码来自 generate_figures.py。它首先使用映射网络将一批潜在向量转换为中间 W 空间，然后使用合成网络将这些向量转换为一批图像。 dlatents 数组为合成网络的每一层存储相同 w 向量的单独副本，以促进风格混合。

生成器的确切细节在 training/networks_stylegan.py 中定义（参见 G_style、G_mapping 和 G_synthesis）。可以指定以下关键字参数来修改调用 run() 和 get_output_for() 时的行为：

truncation_psi 和 truncation_cutoff 控制使用 Gs (ψ=0.7, cutoff=8) 时默认执行的截断技巧。可以通过设置 truncation_psi=1 或 is_validation=True 来禁用它，并且可以通过设置以变化为代价进一步提高图像质量，例如截断_psi=0.5。请注意，直接使用子网时，截断始终处于禁用状态。可以使用 Gs.get_var(‘dlatent_avg’) 查找手动执行截断技巧所需的平均 w。
randomize_noise 确定是否对每个生成的图像使用重新随机化噪声输入（True，默认）或是否对整个 minibatch 使用特定的噪声值（False）。可以通过使用 [var for name, var in Gs.components.synthesis.vars.items() if name.startswith(‘noise’)] 找到的 tf.Variable 实例访问特定值。
直接使用映射网络时，您可以指定 dlatent_broadcast=None 以禁用合成网络层上的 dlatents 自动复制。
运行时性能可以通过 structure=‘fixed’ 和 dtype=‘float16’ 进行微调。前者禁用了对完全训练生成器不需要的渐进式增长的支持，后者使用半精度浮点算法执行所有计算。

准备训练数据集

训练和评估脚本对存储为多分辨率 TFRecord 的数据集进行操作。每个数据集都由一个目录表示，该目录包含多种分辨率的相同图像数据，以实现高效的流式传输。每个分辨率都有一个单独的 *.tfrecords 文件，如果数据集包含标签，它们也会存储在单独的文件中。默认情况下，脚本希望在 datasets//-.tfrecords 中找到数据集。可以通过编辑 config.py 来更改目录：

result_dir = 'results'
data_dir = 'datasets'
cache_dir = 'cache'

要获取 FFHQ 数据集 (datasets/ffhq)，请参阅 Flickr-Faces-HQ 存储库。
要获取 CelebA-HQ 数据集 (datasets/celebahq)，请参阅Progressive GAN 存储库。
要获取其他数据集，包括 LSUN，请查阅其相应的项目页面。可以使用提供的 dataset_tool.py 将数据集转换为多分辨率 TFRecords：

> python dataset_tool.py create_lsun datasets/lsun-bedroom-full ~/lsun/bedroom_lmdb --resolution 256
> python dataset_tool.py create_lsun_wide datasets/lsun-car-512x384 ~/lsun/car_lmdb --width 512 --height 384
> python dataset_tool.py create_lsun datasets/lsun-cat-full ~/lsun/cat_lmdb --resolution 256
> python dataset_tool.py create_cifar10 datasets/cifar10 ~/cifar10
> python dataset_tool.py create_from_images datasets/custom-dataset ~/custom-images