使用改进的模型结构和训练方法，对StyleGAN生成器的规范化、进化成长和正则化进行了重新设计，并引入了路径长度正则化器，以改善图像质量和生成器的可逆属性。通过可视化生成器对其输出分辨率的使用情况，识别容量问题并进行大规模模型的训练，使得该模型在无条件图像建模领域中的分布质量和感知图像质量均达到了最高水平。

Dec, 2019

本文介绍了一种使用图像对图像网络训练的方式来将 StyleGAN2 的特定图像处理提炼成图像对图像的处理方式，展示了通过这种方式实现的几种人脸图像处理效果，并显示出生成质量可与 Backpropagation 方法和现有的最先进方法相媲美。

Mar, 2020

本篇论文的研究目的是探讨如何在边缘设备上使用风格生成网络，并引入MobileStyleGAN结构，其参数量和计算复杂度分别为StyleGAN2的1/3.5和1/9.5，同时提供可比较的生成质量。

Apr, 2021

本篇论文通过探究 StyleGAN 的空间特性，提出使用预训练的 StyleGAN 加一些操作就可以进行图像处理和编辑任务，并且在各项任务上表现可以与现有最先进技术媲美的方法。

Nov, 2021

通过训练一个生成器来分别对局部语义部分进行建模，控制不同区域的纹理并且实现更加细粒度的合成和编辑，SemanticStyleGAN作为具有内置解缠结的通用先验模型，可以促进基于GAN的应用程序的发展并实现更多的下游任务。

Dec, 2021

本研究探讨了最新的 StyleGAN3 与其前任的区别、优缺点，研究了其潜在空间的分离性，并介绍了一种基于 StyleGAN3 的视频反演和编辑工作流。

Jan, 2022

本文介绍了GANs和StyleGAN，讨论了其在图像合成和潜在空间方面的应用和研究趋势，强调了其生成图像编码的潜力和限制，以及视觉先验的构建和使用，同时指出了任务和目标特定的研究方向。

Feb, 2022

通过引入SURF-GAN和将其先验注入StyleGAN，提出了一种新的三维可控生成器，可进行人像生成的明确姿态控制。

Jul, 2022

该论文旨在使用生成对抗网络改进大规模文本到图像合成，提出了StyleGAN-T模型，它在大规模文本到图像合成中具有大容量、稳定的训练、强文本对齐和可控变化与文本对齐平衡等特点，并在样本质量和速度方面显著优于以前的生成对抗网络和蒸馏扩散模型。

Jan, 2023

本文提出了一种新的GAN架构GigaGAN，用于文本到图像合成，并比较了其与传统的GANs和DALL-E2的性能，结果表明GigaGAN可以快速且高质量地合成高分辨率图像。

Mar, 2023