StarGAN v2
Nincs becslés
Nincs hardver követelmény ennek a modellnek
Ez a modell súlyai nyilvánosak, de a paraméterszámokat nem tették közzé. Minden memória- és sebességszám ebből a számból indul, ezért inkább nem mutatunk semmit, mint egy hamisított becslést..
Nyilvántartásban
Teljes specifikáció
Minden feljegyzett ezzel a modellel kapcsolatban. A legtöbbje azt írja le, hogyan képezték ki, nem pedig azt, hogyan fut — hasznos kontextus annak megítéléséhez, hogy mennyi munka ment bele, és hogyan viszonyul a más méretben épített modellekhez..
Eredet
Ki építette ezt a modellt, hol, és mikor publikálták.
- Szervezet
- NAVER,Yonsei University,Swiss Federal Institute of Technology
- Szervezet típusa
- Industry,Academia,Academia
- Ország
- Korea (Republic of), Switzerland
- Közölt
- 4 December 2019
- Szerzők
- Yunjey Choi, Youngjung Uh, Jaejun Yoo, Jung-Woo Ha
Mit csinál
A probléma területek, amelyekre a modell készült. Egy modell több mindegyikből hordozhat.
- Tartomány
- Vision, Image generation
- Feladat
- Image generation, Image-to-image
Méret
Mekkora a modell, és mennyi adatot használtak a betanításához. A paraméterek azok a számok, amelyek eldöntik, hogy az adott grafikus kártyára illeszkedik-e.
- Képzési adatok
- 400,000 tokens
Elérhetőség
Hogy meg tudja-e szerezni a modellt és futtatni a saját hardverén, ez dönt arról, hogy alkalmazhatóak-e a lap ezen oldalán feltüntetett grafikus kártya adatok.
- Súlyok
- Open — downloadable
- Modell hozzáférés
- Open weights (non-commercial)
- Képzés kód
- Open (non-commercial)
https://github.com/clovaai/stargan-v2?tab=readme-ov-file non-commercial
Hogyan van besorolva
Címkék a forráshalmazra, amelyeket a figyelemre méltó modellek nyomon követésekor alkalmaznak, és hogy mennyire biztos az adatbevitelben.
- Miért követik nyomon
- Highly cited,SOTA improvement
- Nyilvántartási bizalom
- Unknown
- Hivatkozások
- 2,072
"Votes from AMT workers for the most preferred method regarding visual quality and style reflection (%). StarGAN v2 outperforms the baselines with remarkable margins in all aspects." "As shown in Table 2, our method outperforms all the baselines by a large margin in terms of visual quality. For both CelebA-HQ and AFHQ, our method achieves FIDs of 13.7 and 16.2, respectively, which are more than two times improvement over the previous leading method."
Források
Honnan származik ez a felvétel és mikor ellenőrizték utoljára.
- Referencia
- StarGAN v2: Diverse Image Synthesis for Multiple Domains
- Utoljára frissítve
- 25 May 2026
Mit jelentenek a számok
Mit jelent ez a modell
StarGAN v2 ki lett adva által NAVER,Yonsei University,Swiss Federal Institute of Technology, az országban rögzítve mint Korea (Republic of), alatt December 2019. A kiadó kategóriája alá tartozik industry,Academia,Academia.
Működik a területen a Vision, Image generation, és úgy van rögzítve, mint a feladat végrehajtása image generation, Image-to-image.
Mivel a súlyai ki lettek adva, semmi sem függ attól, hogy egy szolgáltató elérhető marad-e - a tiéd, amint letöltötted.
Hogyan lett betanítva
A képzés körülbelül egy korpuszt fogyasztott 400,000 szöveg tokenjei
Az oka, hogy egyáltalán megjelenik ebben a katalógusban: highly cited,SOTA improvement.
Válaszok
StarGAN v2 — gyakori kérdések
StarGAN v2— Mire használják?
Működik a területen a Vision, Image generation, és rögzítve van, hogy kezeli a feladatot image generation, Image-to-image. A modellek gyakran több mint egyet hordoznak mindegyikből, és a címkék a célra, nem pedig a képességek határaira utalnak.
StarGAN v2— Hol tudom letölteni?
A súlyok közzététele megtörtént, bár nem rendelkezünk tárolólinkkel erre. Ez az oldal a hardverkövetelményeket számítja ki, nem pedig modellfájlokat tárol.
StarGAN v2— Milyen GPU-ra van szükségem, hogy futtathassam?
Nem tudjuk megmondani. Nyílt súlyai vannak, de a paraméterek számát nem tették közzé, és minden memória- és sebességszámítás ebből a számból indul. Inkább nem mutatunk semmit, mint egy hamisított becslést.
StarGAN v2— Nyílt forráskódú?
Súlyai közzétételre kerültek, így letölthető és futtatható a saját hardvereden. Ne feledd, hogy az open weight nem azonos az open source teljes értelmében — nem mond semmit a tanulási adatokkal, a tanulási kóddal vagy a kereskedelmi feltételekkel kapcsolatban.
StarGAN v2— Hány paramétere van?
Nincs közzétéve paraméterszám, ezért ez az oldal nem tartalmaz memóriával vagy sebességgel kapcsolatos adatokat.
StarGAN v2— Ki készítette ezt?
Kiadta NAVER,Yonsei University,Swiss Federal Institute of Technology, alapján Korea (Republic of), egy szervezet, amelyet kategorizáltak mint industry,Academia,Academia.
StarGAN v2— Mikor adták ki?
Kibocsátották a December 2019. A paraméterenkénti képesség lényegesen javult azóta, így egy újabb, azonos méretű modell gyakran jobb felhasználása a same hardvernek.
A másik irány
Másik oldalról nézve?
Ez az oldal a modellel kezdődik. Ha már van kártyád, és szeretnéd tudni, hogy mindent futtat-e, Kezdj a hardverből..