StarGAN v2
Nessuna stima
Nessun requisito hardware per questo modello
I pesi di questo modello sono open weight, ma non è stato pubblicato alcun conteggio dei parametri. Ogni figura di memory e velocità parte da quel numero, quindi preferiremmo non mostrare nulla piuttosto che una stima fabbricata..
In registrazione
specifiche complete
Tutto in archivio per questo modello. La maggior parte descrive come è stato addestrato piuttosto che come gira — contesto utile per giudicare quanto lavoro c'è stato dietro, e come si confronta con i modelli costruiti su una scala diversa..
Origine
Chi ha costruito questo modello, dove e quando è stato pubblicato.
- Organizzazione
- NAVER,Yonsei University,Swiss Federal Institute of Technology
- Tipo di organizzazione
- Industry,Academia,Academia
- Paese
- Korea (Republic of), Switzerland
- Pubblicato
- 4 December 2019
- Autori
- Yunjey Choi, Youngjung Uh, Jaejun Yoo, Jung-Woo Ha
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Vision, Image generation
- Compito
- Image generation, Image-to-image
Dimensione
Quanto è grande il modello e su quanti dati è stato addestrato. I parametri sono la cifra che decide se si adatta a una determinata scheda grafica.
- Dati di addestramento
- 400,000 tokens
Disponibilità
Se puoi ottenere il modello e farlo funzionare sul tuo hardware, il che decide se alcune delle cifre della scheda grafica su questa pagina sono applicabili.
- Pesi
- Open — downloadable
- Accesso al modello
- Open weights (non-commercial)
- Codice di addestramento
- Open (non-commercial)
https://github.com/clovaai/stargan-v2?tab=readme-ov-file non-commercial
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Perché è monitorato
- Highly cited,SOTA improvement
- Record fiducia
- Unknown
- Citazioni
- 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."
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- StarGAN v2: Diverse Image Synthesis for Multiple Domains
- Ultimo aggiornamento
- 25 May 2026
Cosa significano i numeri
Cosa è questo modello
StarGAN v2 è stato pubblicato da NAVER,Yonsei University,Swiss Federal Institute of Technology, nel paese registrato come Korea (Republic of), durante December 2019. La categoria sotto cui rientra l'editore è industry,Academia,Academia.
Funziona nel dominio di Vision, Image generation, ed è registrato come eseguire il compito di image generation, Image-to-image.
Poiché i suoi pesi sono stati rilasciati, nulla sull'esecuzione dipende da un fornitore che rimane disponibile — è tuo una volta scaricato.
Come è stato addestrato
L'addestramento ha consumato un corpus di circa 400,000 token di testo
Il motivo per cui appare in questo catalogo è: highly cited,SOTA improvement.
Risposte
StarGAN v2 — domande comuni
StarGAN v2— A cosa serve?
Funziona nel dominio di Vision, Image generation, e viene registrato come gestire il compito di image generation, Image-to-image. I modelli portano frequentemente più di uno di ciascuno, e le etichette descrivono lo scopo piuttosto che i limiti di capacità.
StarGAN v2— Dove posso scaricarlo?
I pesi sono pubblicati, anche se non abbiamo un link al repository per essi. Questo sito calcola i requisiti hardware anziché ospitare file di modello.
StarGAN v2— che GPU ho bisogno per eseguirlo?
Non possiamo dire. Ha pesi aperti, ma non è stato pubblicato alcun conteggio dei parametri per esso, e ogni calcolo di memoria e velocità parte da quel numero. Preferiremmo non mostrare nulla piuttosto che una stima fabbricata.
StarGAN v2— è open-source?
I suoi pesi sono pubblicati, quindi può essere scaricato e eseguito sul proprio hardware. Si noti che OPEN WEIGHTS non è lo stesso di OPEN SOURCE nel senso completo — non dice nulla sui dati di addestramento, sul codice di addestramento o sui termini commerciali allegati.
StarGAN v2— quanti parametri ha?
Non è stato pubblicato alcun conteggio dei parametri per esso, motivo per cui non appare alcun dato sulla memoria o sulla velocità su questa pagina.
StarGAN v2— chi l'ha creato?
È stato pubblicato da NAVER,Yonsei University,Swiss Federal Institute of Technology, basato su Korea (Republic of), un'organizzazione categorizzata come industry,Academia,Academia.
StarGAN v2— quando è stato rilasciato?
È stato pubblicato in December 2019. La capacità per parametro è migliorata considerevolmente da allora, quindi un modello più recente della stessa dimensione è spesso un uso migliore dello stesso hardware.
L'altra direzione
Guardandolo dall'altro lato?
Questa pagina parte dal modello. Se possiedi già una scheda e vuoi sapere tutto ciò che farà funzionare, inizia dall'hardware invece.