通过像素级梯度剪裁提升高分辨率三维生成
原文中文,约300字,阅读约需1分钟。发表于: 。通过像素级梯度剪裁(PGC)方法,提高现有高分辨率三维生成模型的性能,以改进高分辨率三维物体渲染的综合质量。
本文介绍了一种新的生成模型,利用评分匹配来估计数据分布的梯度,通过 Langevin 动力学生成样本。在 MNIST、CelebA 和 CIFAR-10 数据集上,我们的模型产生的样本与 GAN 相当,实现了 CIFAR-10 inception 得分的新的最先进水平为 8.87。
通过像素级梯度剪裁(PGC)方法,提高现有高分辨率三维生成模型的性能,以改进高分辨率三维物体渲染的综合质量。
本文介绍了一种新的生成模型,利用评分匹配来估计数据分布的梯度,通过 Langevin 动力学生成样本。在 MNIST、CelebA 和 CIFAR-10 数据集上,我们的模型产生的样本与 GAN 相当,实现了 CIFAR-10 inception 得分的新的最先进水平为 8.87。