BigVSAN：利用切片对抗网络增强基于 GAN 的神经声码器
原文中文，约300字，阅读约需1分钟。发表于：。研究一种修改最小二乘 GAN 的方案以满足切片对抗网络（SAN）要求，通过实验验证切片对抗网络对基于 GAN 的合成器，包括 BigVGAN 的性能改进。
本文介绍了TGAN，一种生成式模型，用于学习未标记视频的语义表示并生成视频。该模型通过时间生成器和图像生成器解决了现有GAN方法生成视频时的问题。采用了Wasserstein GAN模型和稳定的端到端训练方法以确保训练的稳定性。实验结果证明了该方法的有效性。
