导读
BigGAN 将 GAN 训练扩展到大规模 ImageNet 条件生成，显著提高保真度。它强化了一个后来 foundation-model 时代反复出现的经验：模型、数据和计算规模本身可以成为生成质量的重要来源。
查看大图 ↗所链接文献 PDF 的第 1 页，保留原图与原语言。页面版本以来源文件为准；后来的修订或重印日期不替代节点的历史日期。
Brock, Donahue & Simonyan · 原文献 · 图像权利归原权利人；不视为开放许可
资料出处 · BigGAN ↗档案研究说明
逼真度与变化程度并不总是一起增长
ANTI-AI ARCHIVE · 修订 2026-10-02
研究方法与具体变化
BigGAN 研究大规模对抗训练及其不稳定性，并通过正交正则化和截断技巧控制输出。缩小输入变化可以改变样本逼真度与多样性之间的平衡。其 ImageNet 成绩是类别条件图像合成的评价，不是对开放艺术创作的统一测试。
本节依据: BigGAN：规模化条件图像生成：资料依据
在艺术史中的位置
编者解释：这使“质量更高”的说法需要附带问题：更清晰、更典型还是更多样？当艺术家探索模型边缘或异常输出时，优化基准中的逼真度未必是目标。输出选择与评价标准应一并保存。
本节依据: BigGAN：规模化条件图像生成：资料依据
正文引用资料
核读作者或会议页面的摘要与版本记录；未通读全部证明或复现实验。
本篇按引用范围扩写档案说明；研究解释不应被理解为原作者的自述或已证实的因果影响。 正文与译文使用 AI 辅助，尚未经独立人工审校；分节引文标明依据，不代表已独立验证全部史实。
带着问题继续阅读
比较本条与生成对抗网络之间的制作方法、控制方式或展示语境。
比较本条与Disco Diffusion：可复用的生成笔记本之间的制作方法、控制方式或展示语境。
日期与版本记录
节点标注日期：2018 · 来源记录的历史日期：2018
以上日期属于历史事件或资料所记版本，不是本站页面的上线日期；保留原有日期精度与待核事项。
原始资料与进一步阅读
以下链接通往来源的论文、文章、机构或会议页面。外部原文的语言以来源为准。
出处、翻译与核验状态
主线节点 #097 · 历史节点
研究资料与补充出处 · 1
AI 艺术谱系研究母版 · p. 19 · 060
原记日期: 2018
BigGAN：规模化条件图像生成 ↗
BigGAN
站内说明依据所列研究资料撰写，非外链全文译本；AI 辅助翻译，待独立人工审校。
母版研究论述与日期尚待独立核验。
引用本节点
ANTI-AI ARCHIVE. BigGAN：规模化条件图像生成. 艺术史节点 #097. https://salondesrefuses.cn/zh/art-history/060
引用具体史实时，请同时引用上方原始资料，并补充你的访问日期。本站说明不是外链全文译本。
相邻节点按时间顺序排列，不意味着二者存在直接影响或因果关系。