基于多样性感知的 StyleGAN 压缩通道剪枝
💡
原文中文,约200字,阅读约需1分钟。
📝
内容提要
我们提出了一种新颖的通道修剪方法,通过评估通道对潜在向量扰动的敏感性,增强了压缩模型中样本的多样性。该方法在各种数据集中显著提升了样本的多样性,并且在 FID 得分方面超过了最先进的方法,且只需一半的训练迭代次数。
🎯
关键要点
- 提出了一种新颖的通道修剪方法。
- 通过评估通道对潜在向量扰动的敏感性,增强了压缩模型中样本的多样性。
- 该方法显著提升了各种数据集中样本的多样性。
- 在 FID 得分方面超过了最先进的方法。
- 只需一半的训练迭代次数即可达到可比较的得分。
➡️