生成對抗網(wǎng)絡(luò) (GAN) 是深度學(xué)習(xí)中最有趣、最受歡迎的應(yīng)用之一。本文列出了 10 篇關(guān)于 GAN 的論文，這些論文將為你提供一個很好的對 GAN 的介紹，幫助你理解最先進(jìn)技術(shù)的基礎(chǔ)。

本文選擇的10篇GAN論文包括：

DCGANs

Improved Techniques for Training GANs

Conditional GANs

Progressively Growing GANs

BigGAN

StyleGAN

CycleGAN

Pix2Pix

StackGAN

Generative Adversarial Networks

DCGANs?—?Radford et al.(2015)

我建議你以DCGAN這篇論文來開啟你的GAN之旅。這篇論文展示了卷積層如何與GAN一起使用，并為此提供了一系列架構(gòu)指南。這篇論文還討論了GAN特征的可視化、潛在空間插值、利用判別器特征來訓(xùn)練分類器、評估結(jié)果等問題。所有這些問題都必然會出現(xiàn)在你的GAN研究中。

總之，DCGAN論文是一篇必讀的GAN論文，因?yàn)樗砸环N非常清晰的方式定義架構(gòu)，因此很容易從一些代碼開始，并開始形成開發(fā)GAN的直覺。

DCGAN模型：具有上采樣卷積層的生成器架構(gòu)

論文：

Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks

Alec Radford, Luke Metz, Soumith Chintala

https://arxiv.org/abs/1511.06434

改進(jìn)GAN訓(xùn)練的技術(shù)——?Salimans et al.(2016)

這篇論文(作者包括Ian Goodfellow)根據(jù)上述DCGAN論文中列出的架構(gòu)指南，提供了一系列建議。這篇論文將幫助你了解GAN不穩(wěn)定性的最佳假設(shè)。此外，本文還提供了許多用于穩(wěn)定DCGAN訓(xùn)練的其他機(jī)器，包括特征匹配、minibatch識別、歷史平均、單邊標(biāo)簽平滑和虛擬批標(biāo)準(zhǔn)化。使用這些技巧來構(gòu)建一個簡單的DCGAN實(shí)現(xiàn)是一個很好的練習(xí)，有助于更深入地了解GAN。

論文：

Improved Techniques for Training GANs

Tim Salimans, Ian Goodfellow, Wojciech Zaremba, Vicki Cheung, Alec Radford, Xi Chen

https://arxiv.org/abs/1606.03498

Conditional GANs?—?Mirza and Osindero(2014)

這是一篇很好的論文，讀起來很順暢。條件GAN(Conditional GAN)是最先進(jìn)的GAN之一。論文展示了如何整合數(shù)據(jù)的類標(biāo)簽，從而使GAN訓(xùn)練更加穩(wěn)定。利用先驗(yàn)信息對GAN進(jìn)行調(diào)節(jié)這樣的概念，在此后的GAN研究中是一個反復(fù)出現(xiàn)的主題，對于側(cè)重于image-to-image或text-to-image的論文尤其重要。

Conditional GAN架構(gòu)：除了隨機(jī)噪聲向量z之外，類標(biāo)簽y被連接在一起作為網(wǎng)絡(luò)的輸入

論文：

Conditional Generative Adversarial Nets

Mehdi Mirza, Simon Osindero

https://arxiv.org/abs/1411.1784

Progressively Growing GANs—?Karras et al.(2017)

Progressively Growing GAN (PG-GAN)有著驚人的結(jié)果，以及對GAN問題的創(chuàng)造性方法，因此也是一篇必讀論文。

這篇GAN論文來自NVIDIA Research，提出以一種漸進(jìn)增大（progressive growing）的方式訓(xùn)練GAN，通過使用逐漸增大的GAN網(wǎng)絡(luò)（稱為PG-GAN）和精心處理的CelebA-HQ數(shù)據(jù)集，實(shí)現(xiàn)了效果令人驚嘆的生成圖像。作者表示，這種方式不僅穩(wěn)定了訓(xùn)練，GAN生成的圖像也是迄今為止質(zhì)量最好的。

它的關(guān)鍵想法是漸進(jìn)地增大生成器和鑒別器：從低分辨率開始，隨著訓(xùn)練的進(jìn)展，添加新的層對越來越精細(xì)的細(xì)節(jié)進(jìn)行建模。“Progressive Growing”指的是先訓(xùn)練4x4的網(wǎng)絡(luò)，然后訓(xùn)練8x8，不斷增大，最終達(dá)到1024x1024。這既加快了訓(xùn)練速度，又大大穩(wěn)定了訓(xùn)練速度，并且生成的圖像質(zhì)量非常高。

Progressively Growing GAN的多尺度架構(gòu)，模型從4×4 逐步增大到1024×1024

論文：

Progressive Growing of GANs for Improved Quality, Stability, and Variation

Tero Karras, Timo Aila, Samuli Laine, Jaakko Lehtinen

https://arxiv.org/abs/1710.10196

BigGAN?—?Brock et al.(2019)

BigGAN模型是基于ImageNet生成圖像質(zhì)量最高的模型之一。該模型很難在本地機(jī)器上實(shí)現(xiàn)，而且BigGAN有許多組件，如Self-Attention、Spectral Normalization和帶有投影鑒別器的cGAN，這些組件在各自的論文中都有更好的解釋。不過，這篇論文對構(gòu)成當(dāng)前最先進(jìn)技術(shù)水平的基礎(chǔ)論文的思想提供了很好的概述，因此非常值得閱讀。

BigGAN生成的圖像

論文：

Large Scale GAN Training for High Fidelity Natural Image Synthesis

Andrew Brock, Jeff Donahue, Karen Simonyan

https://arxiv.org/abs/1809.11096

StyleGAN?—?Karras et al.(2019)

StyleGAN模型可以說是最先進(jìn)的，特別是利用了潛在空間控制。該模型借鑒了神經(jīng)風(fēng)格遷移中一種稱為自適應(yīng)實(shí)例標(biāo)準(zhǔn)化(AdaIN)的機(jī)制來控制潛在空間向量z。映射網(wǎng)絡(luò)和AdaIN條件在整個生成器模型中的分布的結(jié)合使得很難自己實(shí)現(xiàn)一個StyleGAN，但它仍是一篇很好的論文，包含了許多有趣的想法。

StyleGAN架構(gòu)，允許潛在空間控制

論文：

A Style-Based Generator Architecture for Generative Adversarial Networks

Tero Karras, Samuli Laine, Timo Aila

https://arxiv.org/abs/1812.04948

CycleGAN?—?Zhu et al.(2017)

CycleGAN的論文不同于前面列舉的6篇論文，因?yàn)樗懻摰氖莍mage-to-image的轉(zhuǎn)換問題，而不是隨機(jī)向量的圖像合成問題。CycleGAN更具體地處理了沒有成對訓(xùn)練樣本的image-to-image轉(zhuǎn)換的情況。然而，由于Cycle-Consistency loss公式的優(yōu)雅性，以及如何穩(wěn)定GAN訓(xùn)練的啟發(fā)性，這是一篇很好的論文。CycleGAN有很多很酷的應(yīng)用，比如超分辨率，風(fēng)格轉(zhuǎn)換，例如將馬的圖像變成斑馬。

Cycle Consistency Loss背后的主要想法，一個句子從法語翻譯成英語，再翻譯回法語，應(yīng)該跟原來的是同一個句子

論文：

Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks

Jun-Yan Zhu, Taesung Park, Phillip Isola, Alexei A. Efros

https://arxiv.org/abs/1703.10593

Pix2Pix?—?Isola et al.(2016)

Pix2Pix是另一種圖像到圖像轉(zhuǎn)換的GAN模型。該框架使用成對的訓(xùn)練樣本，并在GAN模型中使用多種不同的配置。讀這篇論文時，我覺得最有趣部分是關(guān)于PatchGAN的討論。PatchGAN通過觀察圖像的70×70的區(qū)域來判斷它們是真的還是假的，而不是查看整個圖像。該模型還展示了一個有趣的U-Net風(fēng)格的生成器架構(gòu)，以及在生成器模型中使用ResNet風(fēng)格的skip connections。Pix2Pix有很多很酷的應(yīng)用，比如將草圖轉(zhuǎn)換成逼真的照片。

使用成對的訓(xùn)練樣本進(jìn)行Image-to-Image轉(zhuǎn)換

論文：

Image-to-Image Translation with Conditional Adversarial Networks

Phillip Isola, Jun-Yan Zhu, Tinghui Zhou, Alexei A. Efros

https://arxiv.org/abs/1611.07004

StackGAN?—?Zhang et al.(2017)

StackGAN的論文與本列表中的前幾篇論文相比非常不同。它與Conditional GAN和Progressively Growing GANs最為相似。StackGAN模型的工作原理與Progressively Growing GANs相似，因?yàn)樗梢栽诙鄠€尺度上工作。StackGAN首先輸出分辨率為64×64的圖像，然后將其作為先驗(yàn)信息生成一個256×256分辨率的圖像。

StackGAN是從自然語言文本生成圖像。這是通過改變文本嵌入來實(shí)現(xiàn)的，以便捕獲視覺特征。這是一篇非常有趣的文章，如果StyleGAN中顯示的潛在空間控制與StackGAN中定義的自然語言接口相結(jié)合，想必會非常令人驚訝。

基于文本嵌入的StackGAN多尺度架構(gòu)背后的想法

論文：

StackGAN: Text to Photo-realistic Image Synthesis with Stacked Generative Adversarial Networks

Han Zhang, Tao Xu, Hongsheng Li, Shaoting Zhang, Xiaogang Wang, Xiaolei Huang, Dimitris Metaxas

https://arxiv.org/abs/1612.03242

Generative Adversarial Networks?—?Goodfellow et al.(2014)

Ian Goodfellow的原始GAN論文對任何研究GAN的人來說都是必讀的。這篇論文定義了GAN框架，并討論了“非飽和”損失函數(shù)。論文還給出了最優(yōu)判別器的推導(dǎo)，這是近年來GAN論文中經(jīng)常出現(xiàn)的一個證明。論文還在MNIST、TFD和CIFAR-10圖像數(shù)據(jù)集上對GAN的有效性進(jìn)行了實(shí)驗(yàn)驗(yàn)證。

論文：

Generative Adversarial Networks

Ian J. Goodfellow, Jean Pouget-Abadie, Mehdi Mirza, Bing Xu, David Warde-Farley, Sherjil Ozair, Aaron Courville, Yoshua Bengio

https://arxiv.org/abs/1406.2661