生成对抗网络（GAN）是近年来深度学习领域的一个重要研究方向。以下是一些关于 GAN 的研究论文概览。

论文列表

  1. 《Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks》

    • 作者：Ian Goodfellow, Jean Pouget-Abadie, Mehdi Mirza, Bing Xu, David Warde-Farley, Sherjil Ozair, Aaron Courville, Yoshua Bengio
    • 简介：这篇论文首次提出了 GAN 的概念，并详细介绍了其原理和实现。

  2. 《Improved Generative Adversarial Models》

    • 作者：Tero Karras, Timo Aila, Samuli Laine, and Jaakko Lehtinen
    • 简介：本文对 GAN 进行了改进，提出了 Wasserstein GAN 和其变体，提高了生成图像的质量。

  3. 《Stacked Generative Adversarial Networks》

    • 作者：Aäron van den Oord, Sander Dieleman, Heiga Zen, Kaiming He, and Koray Kavukcuoglu
    • 简介：本文提出了堆叠 GAN 的概念，通过将多个 GAN 层次堆叠，进一步提高了生成图像的多样性。

  4. 《Conditional Image Generation with PixelCNN Decoders》

    • 作者：Aäron van den Oord, Nal Kalchbrenner, and Koray Kavukcuoglu
    • 简介：本文将 PixelCNN 解码器与 GAN 结合，实现了条件图像生成。

  5. 《Style-Based Generative Adversarial Networks》

    • 作者：Tero Karras, Timo Aila, and Miika Aila
    • 简介：本文提出了基于风格的 GAN，通过控制风格向量来生成具有特定风格的图像。

扩展阅读

更多关于 GAN 的研究论文，您可以访问我们的 GAN 论文库。

GAN 示例