GAN压缩:[CVPR 2020] Gan压缩技术

简介：
本文提出了一种基于生成对抗网络（GAN）的模型压缩方法，在保证图像质量的同时显著减小了模型尺寸和加速了推理速度，适用于资源受限的设备。该研究发表于CVPR 2020。 GAN压缩是一种多模式无监督的图像到图像翻译方法！请遵循相关指南来测试预训练模型，并按照指导来训练自己的模型。 我们发布了一种改进的方法，通过更简单的过程产生与GAN压缩相当的结果！ 介绍GAN压缩：这是一种用于条件生成对抗网络（GAN）的通用压缩方法。我们的技术在保持视觉质量的同时，将pix2pix、CycleGAN和GauGAN等常用条件GAN模型的计算需求减少了9到21倍。 该方法适用于多种生成器架构、学习目标以及成对与不成对的数据设置，并且已经在CVPR 2020上进行了展示。演示版概述： - GAN压缩框架：给定一个预训练好的教师生成器G，我们提取了一个较小的“全民所有”学生生成器G，其中包含了通过权重分配的所有可能通道号，在每个步骤中进行调整和优化。