PROGRESSIVE GROWING OF GANS FOR IMPROVED QUALITY, STABILITY, AND VARIATION

一些名词 unprecedented前所未有的 inception初始的 autoregressive自回归 hybrid混合 synchrony同步的 prone易于 deviate偏离 摘要 描述了一个新的训练GAN的方法。 关键在于生成器和判别器都逐渐成长：由低分辨率开始，然后逐步增加层，随着训练，模型逐渐能优化细节。 这样加速了训练并逐渐稳定，生成了前所未有的高质量图像，例如CELEBA。

>>阅读原文<<