56 GAN海量案例！生成对抗网络（GAN）的8个绝妙应用.docxVIP

【GAN】海量案例！生成对抗网络（GAN）的18个绝妙使用 2020-05-06 原文 以下文章来源于读芯术 ，作者读芯术 HYPERLINK 读芯术 专注年轻人的AI学习与进展平台 ? 图片来源：/@gravitylicious 生成对抗网络（GAN）是生成模型的一种神经网络架构。 生成模型指在现存样本的基础上，使用模型来生成新案例，比如，基于现存的照片集生成一组与其相像却有微小差异的新照片。 GAN是使用两个神经网络模型训练而成的一种生成模型。其中一个称为“生成器”或“生成网络”模型，可学习生成新的可用案例。另一个称为“判别器”或“判别网络”，可学习判别生成的案例与实际案例。 两种模型（从博弈论的意义上来说）处于一种竞争形态，生成器企图捉弄判别器，而判别器则要同时处理生成案例和实际案例。 经学习，生成模型可生成所需的新案例。 生成对抗网络具有极为具体的使用案例，一开头这些案例理解起来会有些困难。 本文将回顾大量GAN的好玩使用，有助于你了解其能够处理的案例类型。以下列表或许并不完整，但其中包含了很多媒体引见过的GAN使用案例。 使用案例可划分为以下18品种型： 1. 生成图像数据集案例 2014年，Ian Goodfellow等人发表论文《对抗式生成网络》，提出了生成新案例这一使用。文中指出，GAN可为MNIST手写数码数据集、CIFAR-10小件图片数据集、多伦多人像数据集生成新案例。 论文传送门：/abs/1406.2661 GAN可为图像数据集生成新案例。图片来自《生成对抗网络》。 2015年，Alec Radford等人在一篇重要论文《使用深度回旋生成对抗网络进行无监督表示学习》，也表达了类似观点。论文指出，深度回旋生成对抗网络呈现了大规模培育稳定GAN的方法。论文呈现了生成卧房新案例的模型。 论文传送门：/abs/1511.06434 GAN依据图像数据集生成的卧房新案例。图片来自《生成对抗网络》。 同时，论文呈现了GAN（在潜在空间中）运转向量运算的力量，只需输入生成的卧房案例和人像案例即可。 GAN进行向量运算的案例。图片来自《使用深度回旋生成对抗网络进行无监督表示学习》。 2. 生成人脸照片 Tero Karras等人在2017年发表的论文《GAN质量、稳定性及变化性的提高》呈现了生成人脸照片的案例，照片格外逼真。因此，论文惹起了媒体的广泛关注。生成照片时以名人的脸作为输入，导致生成的案例具出名人的脸部特征，让人感觉很生疏，却并不生疏。 论文传送门：/abs/1710.10196 GAN生成人脸照片的案例。图片来自《GAN质量、稳定性及变化性的提高》。 该方法同样用于生成物品和场景案例。 GAN生成物品和场景的案例。图片来自《GAN质量、稳定性及变化性的提高》。 2018年发表的报告《人工智能的恶意使用：猜测、预防及抑制》选用的也是以上案例，显示了2014至2017年GAN的快速进展。 论文传送门：/abs/1802.07228 2014至2017年GAN的快速进展。图片来自《人工智能的恶意使用：猜测、预防及抑制》。 3. 生成现实照片 Andrew Brock等人在2018年发表了题为《用于高保真自然图像合成的GAN规模化训练》的论文。论文呈现了用BigGAN技术生成合成照片的案例。案例照片几乎与真实照片无异。 论文传送门：/abs/1809.11096 用BigGAN技术生成合成照片的案例。图片来自《用于高保真自然图像合成的GAN规模化训练》。 4. 生成动画角色 金杨华（音译）等人于2017年发表了题为《用GAN生成动画角色》的论文。论文呈现了如何训练及使用GAN来生成动画头像（如日本动漫人物）。 论文传送门：/abs/1708.05509 GAN生成动画人脸的案例。图片来自《用GAN生成动画人物》。 受动画角色案例的启发，一些人试图利用GAN生成Pokemon这样的角色，比如pokeGAN项目和使用深度回旋GAN生成Pokemon项目。但目前成效甚微。 GAN生成口袋妖怪角色案例。图片来自pokeGAN项目。 5. 图像转换 GAN在这方面几乎无所不能，由于相关论文显示GAN可以执行很多图像转换任务。 Phillip Isola等人于2016年发表题为《使用GAN技术进行图像转换》的论文。论文特殊引见了如何使用GAN的pix2pix技术进行图像转换。 论文传送门：/abs/1611.07004 以下是一些图像转换案例： ·?将语义图像转化成城市和建筑景观图片 ·?将卫星图像转化成谷歌地图 ·?将白天景观转化成夜晚景观 ·?将黑白图片转化成彩色图片 ·?将素描转化成彩色图片 使用pix2pix技术进行图片日夜转换的案例。图片来自《使用GAN技术进行图像转换》。 使用pix2pix技术将素描