什么是 GAN？
GAN（生成对抗网络）是一种通过生成器与判别器博弈来生成新数据的深度学习框架。其核心思想是：
- ✅ 生成器尝试模仿真实数据分布
- ✅ 判别器学习区分真实与生成数据
- 🔁 两者通过对抗训练不断优化
GAN 的核心技术
对抗损失函数
- 用于衡量生成器与判别器的博弈效果
- 📌 扩展阅读
模式崩溃问题
- 生成器可能无法捕捉数据多样性
- 常见解决方案：Wasserstein GAN、CycleGAN 等
条件 GAN（cGAN）
- 通过引入额外条件信息控制生成内容
- 🎨 示例：基于文本生成图像、风格迁移
GAN 的应用场景
- 🌍 图像生成：如 StyleGAN 的高分辨率人脸合成
- 🎮 游戏开发：NPC服装、场景生成
- 🧠 科学研究：数据增强、医学图像重建
GAN 的挑战
- ⚠️ 训练不稳定：需要精心设计网络结构与损失函数
- ⚠️ 评估困难：缺乏统一的量化指标
- ⚠️ 计算资源需求高：推荐使用 GPU 加速 技术