學習目標：

論文

實驗

學習時間：

2024.2.24-2024.3.1

學習產出：

論文

仔細看了論文"All are Worth Words: A ViT Backbone for Diffusion Models"，”DiffiT: Diffusion Vision Transformers for Image Generation“，“Scalable Diffusion Models with Transformers”。其中”Scalable Diffusion Models with Transformers“代碼還沒有發布；,”DiffiT: Diffusion Vision Transformers for Image Generation“只有256分辨率的，沒有32分辨率；正在跑"All are Worth Words: A ViT Backbone for Diffusion Models"的實驗。

實驗

1.修改了stylegan2倉庫的超參，cifar-10的效果還是不行。

2.根據ViTGAN和ViTGAN的BaseLine ContraD中的實驗，重新找了兩個stylegan2的倉庫。第一個是Contrad中的stylegan2，目前已經跑完，修改好了代碼在跑diffusion-gan；第二個是論文”Data-Efficient GANs with DiffAugment“實現的模型DiffAugment-stylegan2-pytorch。都可以單獨跑stylegan2。