GAN类型

GAN

日期：2014年7月10日

论文：~[1406.2661~] Generative Adversarial Networks

DCGAN

日期：2015年11月19日

论文：~[1511.06434~] Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks

WGAN

日期：2017年1月26日

论文：~[1701.07875~] Wasserstein GAN

WGAN-GP

日期：2017年3月31日

论文：~[1704.00028~] Improved Training of Wasserstein GANs

cGAN

日期：2014年11月6日

论文：~[1411.1784~] Conditional Generative Adversarial Nets

LAPGAN

日期：2015年7月18日

论文：~[1506.05751~] Deep Generative Image Models using a Laplacian Pyramid of Adversarial Networks

SGAN

日期：2016年12月13日

论文：~[1612.04357~] Stacked Generative Adversarial Networks

ACGAN

日期：2016年8月30日

论文：~[1610.09585~] Conditional Image Synthesis With Auxiliary Classifier GANs

InfoGAN

日期：2016年3月12日

论文：~[1606.03657~] InfoGAN: Interpretable Representation Learning by Information Maximizing Generative Adversarial Nets

GAWWN

日期：2016年10月8日

论文：~[1610.02454~] Learning What and Where to Draw

StackGAN

日期：2016年12月10日

论文：~[1612.03242~] StackGAN: Text to Photo-realistic Image Synthesis with Stacked Generative Adversarial Networks

StackGAN++

日期：2017年12月19日

论文：~[1710.10916~] StackGAN++: Realistic Image Synthesis with Stacked Generative Adversarial Networks

iGAN

日期：2021年9月27日

论文：~[2109.13360~] IGAN: Inferent and Generative Adversarial Networks

Pix2Pix

日期：2016年11月21日

论文：~[1611.07004~] Image-to-Image Translation with Conditional Adversarial Networks

Pix2PixHD

日期：2017年11月30日

论文：~[1711.11585~] High-Resolution Image Synthesis and Semantic Manipulation with Conditional GANs

PatchGAN

日期：2018年7月20日

论文：~[1803.07422~] Patch-Based Image Inpainting with Generative Adversarial Networks

CycleGAN

日期：2017年3月30日

论文：~[1703.10593~] Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks

StarGAN

日期：2017年11月24日

论文：~[1711.09020~] StarGAN: Unified Generative Adversarial Networks for Multi-Domain Image-to-Image Translation

SRGAN

日期：2016年9月15日

论文：~[1609.04802~] Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network

DeblurGAN

日期：2019年8月10日

论文：~[1908.03826~] DeblurGAN-v2: Deblurring (Orders-of-Magnitude) Faster and Better

FSGAN

日期：2019年8月16日

论文：~[1908.05932~] FSGAN: Subject Agnostic Face Swapping and Reenactment

DeepDream

日期：2015年7月18日

博客地址：Inceptionism: Going Deeper into Neural Networks

WaveGAN

日期：2022年8月9日

论文：~[2207.07288~] WaveGAN: Frequency-aware GAN for High-Fidelity Few-shot Image Generation

SpecGAN

日期：2018年2月12日

论文：~[1802.04208~] Adversarial Audio Synthesis

ArtGAN

日期：2017年2月11日

论文：~[1702.03410~] ArtGAN: Artwork Synthesis with Conditional Categorical GANs

CAN

日期：2017年6月12日

论文：~[1706.07068~] CAN: Creative Adversarial Networks, Generating "Art" by Learning About Styles and Deviating from Style Norms

SketchRNN

日期：2017年4月11日

论文：~[1704.03477~] A Neural Representation of Sketch Drawings

TextureGAN

日期：2017年6月9日

论文：~[1706.02823~] TextureGAN: Controlling Deep Image Synthesis with Texture Patches

SAGAN

日期：2018年5月21日

论文：~[1805.08318~] Self-Attention Generative Adversarial Networks

ProgressiveGAN

日期：2017年10月27日

论文：~[1710.10196~] Progressive Growing of GANs for Improved Quality, Stability, and Variation

GAN评估方法

Inception Score

FID （FrechetInception Distance）Score

对抗攻击

CleverHans

变分自动编码器（VAE）缺点

VAE缺点：VAE本质上并非学会了如何生成数据，而是倾向于生成与真实数据更为接近的数据，甚至于为了数据越接近越好，模型基本会复制真实数据。