تدريب شبكات التوليد المعاكس على نطاق واسع ل合成高保真自然图像 请注意，这里有一个词语未能正确转换为阿拉伯语：“合成高保真自然图像”。正确的翻译应该是：“لإنشاء صور طبيعية عالية الدقة”. 因此，完整的翻译应为： تدريب شبكات التوليد المعاكس على نطاق واسع لإنشاء صور طبيعية عالية الدقة

رغم التقدم الأخير في نماذج الصور التوليدية، فإن إنتاج عينات ذات دقة عالية ومتنوعة من مجموعات بيانات معقدة مثل ImageNet لا يزال هدفًا صعب المنال. لتحقيق هذا الهدف، قمنا بتدريب شبكات المواجهة التوليدية (Generative Adversarial Networks) على نطاق أكبر مما تم محاولته سابقًا، ودرسنا عدم الاستقرار الخاص بهذا الحجم. اكتشفنا أن تطبيق التنظيم المتعامد على المولد يجعله قابلًا للتحكم البسيط باستخدام حيلة التقليم (truncation trick)، مما يسمح بالسيطرة الدقيقة على التوازن بين دقة العينة ومدى تنوعها من خلال تقليل تباين مدخلات المولد. أدت تعديلاتنا إلى نماذج تحدد الحالة الجديدة للفن في التركيب الصوري الشرطي على الفئات. عند تدريبها على ImageNet بدقة 128x128، حققت نماذجنا (BigGANs) درجة Inception Score (IS) بلغت 166.5 ومسافة Frechet Inception Distance (FID) بلغت 7.4، مما يمثل تحسينًا كبيرًا على أفضل درجة IS سابقة بلغت 52.52 وأفضل مسافة FID سابقة بلغت 18.6.