🤖 StyleGAN-NADA: CLIP-Guided Domain Adaptation of Image Generators
🤖 StyleGAN-NADA: CLIP-Guided Domain Adaptation of Image Generators NVIDIA показывают как конвертировать натренированный StyleGAN (к примеру, на людях), чтобы он начал генерировать картинки из нового домена. Если в двух словах, то на вход мы берем текстовое описание конверсии, например "человек ➜ зомби", и инициализируем два идентичных натренированных на людях генератора StyleGAN, причем один из них мы замораживаем, а другой будем тренировать. Затем мы используем общее embedding пространство CLIP для того чтобы вычислить вектор разницы delta между проекциями слов "человек" и "зомби". После этого мы конструируем лосс таким образом, что он заставляет тренируемый генератор выдавать такие картинки, что вектора разницы между ними и выдачей замороженного генератора (после проецирования в пространство CLIP) коллинеарны с delta. То есть вектор разницы между картин I̷T̷ В̷П̷И̷С̷К̷А · t.me/itvpi/582 #it #вписка #itvpiska #stylegan #разницы #между #clip