Generative Adversarial Network

GAN 由 Goodfellow 等人于 2014 年提出，生成器把噪声映射为样本，判别器区分真假，二者以极小极大博弈联合优化。理论上可逼近真实数据分布，广泛用于图像生成、超分与数据增强。训练存在模式崩溃与不稳定问题，后续 WGAN、StyleGAN 等从损失与结构上加以改进。