效果
1、炸天的效果(此部分引自量子位)
效果有多好？先看数字。经过ImageNet上进行128×128分辨率的训练后，BigGAN的Inception Score（IS）得分是166.3，一下子比前人52.52的最佳得分提升了100多分，离真实图像的233分更近了。而Frechet Inception Distance（FID）得分，也从之前的18.65优化到了9.6。
2、再看实例。你能分辨出以下哪张图片是AI生成的假图片，哪张是真实的图片么
再来一个。以下八张，哪个是假的
现在公布答案，以上12张，全都是生成的假图片。现在你能理解为什么大家都震惊并且齐声称赞了吧。
论文
论文地址下载：https://openreview.net/pdf?id=B1xsqj09Fm
摘要
尽管最近在生成性图像建模方面取得了进展，但是从诸如ImageNet之类的复杂数据集中成功生成高分辨率、多样的样本仍然是一个难以实现的目标。为此，我们训练了迄今为止规模最大的生成性对抗网络，并研究了这种规模特有的不稳定性。我们发现，对生成器应用正交正则化使其能够服从简单的“截断技巧”，允许通过截断潜在空间来精细控制样本保真度和多样性之间的权衡。我们的修改导致模型在类条件图像合成中设置了新的状态。当在ImageNet上以128×128分辨率进行训练时，我们的模型（BigGAN）的初始得分（IS）为166.3，Fre_chet初始距离（FID）为9.6，比之前的最优IS为52.52，FID为18.65。
