概述

1. bilinear up/down sampling, 更长的训练， 调参
2. 应用 AdaIN 到 Progressive GAN
3. w = 8层MLP(z), 再用 A(w)->scale,bias of AdaIN
4. 移除过去的 z输入给conv， 变成 固定的
5. Noise 作为 stochastic variantion 控制细节变化
6. mixing regularization. 部分数据使用 style mixing生成的图片

---