Adobe Firefly 技术浅析（三）：GANs 的改进

生成式对抗网络（GANs）在图像生成领域取得了显著的进展，但原始的 GANs 在训练稳定性、生成质量以及多样性方面存在一些挑战。Adobe Firefly 在其图像生成技术中采用了多种改进的 GANs 方法，以提高生成图像的质量和多样性。

1. 条件生成式对抗网络（cGANs）

1.1 基本原理

条件生成式对抗网络（cGANs）通过引入额外的条件信息（如类别标签、文本描述等），使得生成器能够根据这些条件生成特定类型的图像。cGANs 的核心思想是将条件信息与噪声向量一起输入生成器和判别器，从而引导生成过程。

1.2 具体实现

1.2.1 模型架构

cGANs 的模型架构包括生成器和判别器两个部分：

1.2.1.1 生成器（Generator）

生成器的输入包括随机噪声向量  和条件信息 。条件信息可以是类别标签、文本描述等。以下是生成器的详细架构：