作者:禅与计算机程序设计艺术
1.简介
1994年,提出了Generative Adversarial Networks(GANs)的概念。2014年以来,GANs在图像、视频生成方面都取得了一些成果。随着深度学习的发展,GANs逐渐应用到很多领域,如计算机视觉、文本生成、音乐创作、人脸生成、3D物体生成等。近年来,GANs在计算机视觉领域也经历了一次飞跃式的发展,取得了越来越好的效果。因此,本文将基于最新的GAN研究进展,对目前主流的GAN模型进行综述分析,并给出新的GAN模型的推荐。
2.文章结构
一、背景介绍
1.1 Generative Adversarial Networks(GAN)
GAN是一种无监督的深度学习方法,由Ian Goodfellow等人于2014年提出,可以用于生成与真实数据分布一致的样本,是深度学习在图像、视频、音频等领域中的一个热门研究方向。GAN通过两个相互竞争的网络互相训练,一个生成网络生成假样本,另一个判别网络判断输入样本是否是从真实数据中生成的假样本。训练过程如下图所示:
如上图所示,两个网络分别为生成器G和判别器D,它们的任务是学习如