GAN-概念和应用场景

概念和应用

生成对抗网络 （GAN） 的 18 个令人印象深刻的应用
by 杰森·布朗利 on July 12， 2019 in 生成对抗网络110
鸣叫 共享
生成对抗网络 （GAN） 是一种用于生成建模的神经网络架构。

生成式建模涉及使用模型生成可能来自现有样本分布的新示例，例如生成与现有照片数据集相似但又特别不同的新照片。

GAN 是一种生成模型，使用两个神经网络模型进行训练。一种模型称为“生成器”或“生成网络”模型，用于学习生成新的合理样本。另一个模型称为“判别器”或“判别网络”，用于学习区分生成的示例和真实示例。

这两个模型设置在比赛或博弈中（在博弈论意义上），其中生成器模型试图欺骗判别器模型，并且为判别器提供了真实样本和生成样本的示例。

训练后，生成模型可用于按需创建新的合理样本。

GAN 具有非常具体的用例，在开始时可能很难理解这些用例。

在这篇文章中，我们将回顾大量有趣的 GAN 应用，以帮助您直观地了解 GAN 可以使用和有用的问题类型。这不是一个详尽的列表，但它确实包含许多在媒体上出现的 GAN 示例使用。

我们将这些应用程序分为以下几个方面：

为图像数据集生成示例
生成人脸照片
生成逼真的照片
生成卡通人物
图像到图像转换
文本到图像翻译
语义图像到照片翻译
人脸正面视图生成
生成新的人体姿势
照片转表情符号
照片编辑
面部衰老
照片混合
超分辨率
照片修复
服装翻译
视频预测
3D 对象生成