TransGAN更新后，纯Transformer如何构建高分辨率GAN？

本文共计1078个文字，预计阅读时间需要5分钟。

点击机器学习算法与Python学习选择加星标志，精彩内容不容错过。这表明Transformer在CV研究者中产生了极大的兴趣并取得了不少突破。

点击机器学习算法与Python学习选择加星标精彩内容不迷路CV研究者对transformer产生了极大的兴趣并取得了不少突破。这表明transfor

点击 机器学习算法与Python学习 选择加星标

精彩内容不迷路

CV 研究者对 transformer 产生了极大的兴趣并取得了不少突破。这表明transformer 有可能成为计算机视觉任务如分类、检测和分割的强大通用模型。我们都很好奇在计算机视觉领域transformer 还能走多远对于更加困难的视觉任务比如生成对抗网络 (GAN)transformer 表现又如何

在今年年初的时候德克萨斯奥斯汀分校的团队推出了使用纯Transformer构建 Generative Adversarial Network并且在Cifar-10, STL-10, CelebA (64 x 64) 等常见benchmark中取得了不错的成绩。这几个月以来不同的研究人员都是用Transformer各个方向取得了极大的进展Vision Transformer的研究获得了计算机社区的广泛关注。最近TransGAN团队更新了他们的结果最新的结果表明TransGAN不仅在低分辨率图像任务中超越了StyleGAN在更高分辨率如256x256图像生成任务中也取得了优异的成绩。