NVIDIA 研究團隊於 2018 年 12 月推出 StyleGAN，一種基於風格控制的生成式對抗網路（GAN）。
特色：
·產生高品質且真實的圖像。
·更好的可控性，使圖像生成更加靈活與精準。
·風格轉移（Style Transfer）概念，改善生成圖像的真實感。
技術/架構簡介：
·風格控制（Style Control）：透過修改隱向量（latent variables）來控制圖像風格，如: 人臉姿勢、身份特徵等。
·自我調整實例歸一化模塊（AdaIN, Adaptive Instance Normalization）：使網路能在不同層次自動適應不同風格，提升圖像品質與控制力。
·映射網路（Mapping Network）：對ProGAN生成器的補強，將原始隱向量 z 映射為風格隱向量 w，w 控制合成網路中的仿射轉換，進而調整風格與細節（如：雀斑、皺紋等）。
·合成網路（Synthesis Network）： 根據風格隱向量 w 與隨機雜訊生成圖像；每一卷積層都根據風格與雜訊(噪聲,隨機向量)動態調整輸出。
訓練策略：
·漸進式成長訓練策略：承襲自 ProGAN（Progressive Growing of GANs），從低解析度開始訓練生成器和鑑別器，逐步提升解析度與圖像品質。
·混雜正則化（Mixing Regularization）：在訓練過程中混合多組風格隱向量，以提高模型泛化能力與生成圖像的多樣性。
