BigGAN：规模化条件图像生成

历史背景与研究说明

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。

日期与版本记录

节点标注日期：2018 · 研究母版原记日期：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

引用本节点

ANTI-AI ARCHIVE. BigGAN：规模化条件图像生成. 艺术史节点 #060. 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。