学习目标：

论文

实验

学习时间：

2024.2.24-2024.3.1

学习产出：

论文

仔细看了论文"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“代码还没有发布；,”DiffiT: Diffusion Vision Transformers for Image Generation“只有256分辨率的，没有32分辨率；正在跑"All are Worth Words: A ViT Backbone for Diffusion Models"的实验。

实验

1.修改了stylegan2仓库的超参，cifar-10的效果还是不行。

2.根据ViTGAN和ViTGAN的BaseLine ContraD中的实验，重新找了两个stylegan2的仓库。第一个是Contrad中的stylegan2，目前已经跑完，修改好了代码在跑diffusion-gan；第二个是论文”Data-Efficient GANs with DiffAugment“实现的模型DiffAugment-stylegan2-pytorch。都可以单独跑stylegan2。