文章目录

• • Generative Adversarial Network
  • • All Kinds of GAN
    • outline
    • Basic Idea of GAN
    • • 原理
      • Generation
      • Generator
      • Discriminator
      • Generator and Discriminator(两者的关系)
      • Algorithm(算法说明)
      • Algorithm(算法描述)
      • 例子:Anime Face Generation
    • GAN as structured learning
    • • structured learning and application(结构化学习和GAN的应用)
      • Structured Learning面临的挑战
      • Structured Learning Approach
    • Can Generator learn by itself?(生成器能否自己学习)
    • • Generator
      • Auto-encoder
      • Variational Auto-Encoder(VAE,变分编码器)
      • VAE vs GAN（VAE方法的缺陷）
    • Can Discriminator generate?(判别器能否自己生成图片)
    • • Discriminator
      • Discriminator - Training
    • Generator v.s. Discriminator(单纯的生成器和单纯的判别器的对比)
    • Generator + Discriminator
    • GAN vs VAE
    • A little bit theory

Generative Adversarial Network

生成式对抗网络（Generative Adversarial Network，又称GAN，一般读作“干！”）计算机科学领域里是一项非常年轻的技术，2014年才由伊安·好伙伴教授（Ian Goodfellow，这姓氏实在是太有趣以至于印象深刻）系统地提出。但是一经提出，就引发了学术界对GAN如火如荼的研究，同时在最原始的GAN的基础上，针对不同的应用场景提出了许多GAN的变体。使用GAN网络，输入已知数据，计算机可以学习并创建全新的合成数据。Facebook AI部长Yann LeCun对GAN的评价是"Generative Adversarial Networks is the most interesting idea in the last the years in machine learning."GAN的迷人之处在于它不是一个传统的计算工具，通过机器学习，计算机可以更好地认识事物，而通过GAN，计算机可以去创造事物。

All Kinds of GAN

如上图所示，GAN的变种实在是太多了。下面给出一个例子和paper链接: