不得了，以生成逼真假照片出名、被称作“史上最佳GAN”的BigGAN，被“本家”踢馆了。
挑战者同样来自Google DeepMind，其新鲜出炉的VQ-VAE二代生成模型，生成出的图像，号称比BigGAN更加高清逼真，而且更具有多样性!
不服气?那先看看这些假照片作品。
浓眉大眼的棕发妹子，与歪果仁大叔：
在Top-1准确率测试上，VQ-VAE二代比BigGAN成绩多出了16.09分。
DeepMind负责星际项目、也是这项研究的作者之一Oriol Vinyals表示，VQ-VAE二代简直令人惊讶，如此简单的想法竟然能够产生如此好的生成模型!
甚至……连曾经也推出过逼真假脸的英伟达员工：英伟达研究院的高级研究科学家Arash Vahdat，也在研究推特下评价：
令人印象深刻啊!!!
短短几小时，这项研究在推特上收获了500多赞，以及上百次转发。
弥补了GAN的缺点
VQ-VAE-2可以理解成一个通信系统。
其中有编码器，把观察到的信息映射到一组离散的潜变量 (Latent Variables) 上。
还有×××，把这些离散变量中的信息重构 (Reconstruct) 出来。
系统分成两部分，都是由编码器和×××构成的。
第一部分
它是一个分层的VQ-VAE，可以把不同尺度的信息分开处理。
比如，输入一张256×256图像，编码器要把它压缩进不同的潜在空间里：
顶层 (Top Level) 要压缩成64×64的潜在映射图，为**全局信息 (比如形状等) 生成潜码;
底层 (Bottom Level) 要压缩成32×32的潜在映射图，为局部信息(比如纹理等) 生成潜码。
然后，×××用这两个潜在映射图 (Latent Maps) 中，做出一张与原图同样大小的重构图，其中包含了局部和全局信息。
团队发现，如果不用顶层来调节 (Condition) 底层，顶层就需要编码像素中每一个细节。
所以，他们就让每个层级分别依赖于像素 (Separately Depend on Pixels) ：可以鼓励AI在每个映射图中，编码补充信息 (Complementary Information) ，降低重构误差。
而学到分层潜码(Hierarchical Latent Codes) 之后，该进入下一部分了：
第二部分
在从潜码中学到先验(Prior) ，生成新图。
这一部分，是二代与一代最大的区别所在：把一代用到的自回归先验 (Autoregressive Priors) 扩展、增强了。
用当前最优秀的PixelRNN模型来为先验建模，这是一个带自注意力机制的自回归模型，能够把先验分布 (Prior Distribution) ，和上一部分学到的边界后验 (Marginal Posterior) 匹配起来。沈阳治疗外阴白斑中医院:http://mobile.lvprco.com/
这样，可以生成比从前相干性更高，保真度也更高的图像。
和第一部分相似：这里也有编码器和×××，可以进一步压缩图像。
做好之后，从先验里取样，可以生成新的图像：和原图清晰度一致，并且保持了相关性 (Coherence) 。
两个部分合在一起，可以把256×256的图像，压缩200倍来学习;把1024×1024的高清大图，压缩50倍来学习。
团队说这样一来，把图像生成速度提升了一个数量级。
在需要快速编码、快速解码的应用上，这样的方法便有了得天独厚的优势。
同时，还避免了GAN的两个著名缺点：
一是mode collapse，即生成某些图像之后，GAN的生成器和判别器就达成和解，不再继续学习了;二是多样性不足的问题。