GANs第一篇比较熟悉，不介绍。看看变种。

1） LAPGANs：金字塔，逐步优化生成图片（Deep Generative Image Models using Lapalacian Pyramid of Adversarial Networks），想法是，它将 GAN 的学习过程变成了“序列式” 的——不要让 GAN 一次学完全部的数据，而是让 GAN 一步步完成这个学习过程（CGAN（conditional GAN））

2）Generative Adversarial Text to Image Synthesis：文字转图片：一方面是近乎无限的像素排列方式；另一方面，目前没人知道如何把它分解，比如像（图像转为文字任务中）预测下一个词那样。循环文字编码器。

3）GANs应用于超分辨率。对抗损失（adversarial loss ）和内容损失（content loss）。在较高层面上，对抗损失使图像看起来更自然；内容损失则保证重建图像与低分辨率原始图像有相似的特点。

4）Deep Convolutional Generative Adversarial Networks， DCGAN。

5）http://blog.csdn.net/c2a2o2/article/details/54408072：很多应用。

6）InfoGANs。回顾。

7）发展：http://blog.csdn.net/u011534057/article/details/52401221，包括VAEGAN.

8)

问题：

（1）解决不收敛（non-convergence）的问题。

（2）难以训练：崩溃问题（collapse problem）

（3）无需预先建模，模型过于*不可控。