什么是 生成对抗网络？
生成对抗网络是一类由两个神经网络组成的深度学习模型——生成器和判别器——通过对抗竞争同时训练，其中生成器学习创建逼真的合成数据，而判别器学习区分真实样本和生成样本。
快速了解
| 创建时间 | 2014 年由 Ian Goodfellow 等人提出 |
|---|---|
| 规范文档 | 官方规范 |
工作原理
生成对抗网络为生成建模引入了博弈论方法。生成器网络以随机噪声作为输入，将其转换为合成数据样本，而判别器网络评估样本是真实的（来自训练数据）还是伪造的（来自生成器）。通过这种对抗训练过程，生成器逐步提高其生成能够欺骗判别器的逼真输出的能力。当判别器无法再区分真实样本和生成样本时，训练达到均衡。GAN 在图像合成、风格迁移、数据增强和各种创意应用中取得了显著成功。
主要特点
- 生成器和判别器网络之间的对抗训练
- 生成器将隐空间中的随机噪声映射为逼真的数据样本
- 判别器作为二分类器区分真实和伪造样本
- 无需显式密度估计即可学习隐式概率分布
- 能够生成高分辨率、照片级逼真的图像
- 训练可能不稳定，需要仔细调整超参数
常见用途
- 图像合成：生成照片级逼真的人脸、物体和场景（StyleGAN、BigGAN）
- 风格迁移：在艺术风格或领域之间转换图像（CycleGAN、Pix2Pix）
- 数据增强：创建合成训练数据以提高模型性能
- 图像超分辨率：将低分辨率图像增强为高分辨率（SRGAN）
- 图像修复：填充图像中缺失或损坏的区域
示例
Loading code...常见问题
什么是 GAN 中的模式崩溃，如何防止？
模式崩溃发生在生成器只学会产生有限种类的输出，忽略训练数据的完整多样性时。防止策略包括使用 Wasserstein 损失（WGAN）、实现小批量判别、向判别器输入添加噪声、使用渐进式增长技术，或采用谱归一化等架构改进。
GAN 与扩散模型在图像生成方面相比如何？
扩散模型由于训练更稳定、模式覆盖更好和输出质量更高，已在高质量图像生成方面大体上取代了 GAN。然而，GAN 在需要实时生成（单次前向传递 vs. 迭代去噪）、视频合成以及推理速度至关重要的应用中仍然表现出色。
为什么 GAN 训练被认为是不稳定的？
GAN 训练涉及生成器和判别器之间的微妙平衡——如果一方变得太强，训练就会失败。判别器可能变得太擅长检测假样本（导致生成器的梯度消失），或者生成器可能找到欺骗判别器的捷径而不产生高质量输出。这需要仔细调整超参数和架构选择。
有哪些流行的 GAN 变体及其用途？
StyleGAN/StyleGAN2 擅长具有可控属性的高分辨率人脸生成。CycleGAN 实现无配对的图像到图像转换（如照片到绘画）。Pix2Pix 处理配对的图像转换任务。SRGAN 专注于图像超分辨率。BigGAN 大规模生成高质量多样化图像。每个变体都解决了原始 GAN 架构的特定局限性。
GAN 可以用于机器学习中的数据增强吗？
可以，GAN 在合成数据增强方面很有效，特别是当真实数据稀缺、昂贵或涉及隐私时。它们可以为医学成像、罕见事件检测和隐私保护应用生成额外的训练样本。但要确保生成的样本具有多样性，且不会放大原始训练数据中存在的偏见。