该模型由两个基础神经网络即生成器神经网络(Generator Neural Network) 和判别器神经网络(Discriminator Neural Network) 所组成,其中一个用于生成内容,另一个则用于判别生成的内容。
GAN受博弈论中的零和博弈启发,将生成问题视作判别器和生成器这两个网络的对抗和博弈:
- 生成器从给定噪声中(一般是指均匀分布或者正态分布)产生合成数据
- 判别器分辨生成器的的输出和真实数据。
前者试图产生更接近真实的数据,相应地,后者试图更完美地分辨真实数据与生成数据。由此,两个网络在对抗中进步,在进步后继续对抗,由生成式网络得的数据也就越来越完美,逼近真实数据,从而可以生成想要得到的数据(图片、序列、视频等)。
应用:
1.Text to Image Generation:根据文字描述生成对应图像
Reference:https://arxiv.org/abs/1605.05396
2.Image to Image Translation:图像到图像的转化
Reference:https://arxiv.org/abs/1611.07004
3.Super resolution:图片/视频超分
Reference:https://arxiv.org/abs/1609.04802
4.Photo to Cartoon:人物/实景动漫化
5.Motion Driving:人脸表情动作迁移
6.Lip Sythesis:唇形动作合成
7.辅助自动驾驶
8.神经机器翻译