从GAN到WGAN再到CycleGAN：25种生成对抗网络变体进化史

生成对抗网络（GAN）自2014年诞生以来，已经发展出了数十种变体，每一种都在前人的基础上解决了特定问题。本文将梳理25种重要的GAN模型，带你了解这个领域的演进脉络。

奠基之作

GAN (2014年7月)

论文：Generative Adversarial Networks

GAN由Ian Goodfellow提出，开创性地引入了生成器（Generator）和判别器（Discriminator）相互博弈的训练框架。生成器试图创造逼真的假数据，判别器则努力区分真假——这种对抗训练机制至今仍是所有变体的核心思想。

cGAN (2014年11月)

论文：Conditional Generative Adversarial Nets

条件GAN在原始GAN的基础上增加了条件信息（如类别标签），使得生成过程变得可控。从此，我们可以指定“生成一张狗的图像”而不是随机生成。

结构改进

DCGAN (2015年11月)

论文：Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks

DCGAN首次将卷积神经网络引入GAN架构，提出了稳定的设计准则：使用批归一化、去掉全连接层、使用步长卷积替代池化层。这一工作让GAN生成的图像质量有了质的飞跃。

LAPGAN (2015年7月)

论文：Deep Generative Image Models using a Laplacian Pyramid of Adversarial Networks

拉普拉斯金字塔GAN采用级联的方式从低分辨率到高分辨率逐级生成图像，每层专注于修复上一层的细节。这种“由粗到细”的思路启发了后来的ProgressiveGAN。

SGAN (2016年12月)

论文：Stacked Generative Adversarial Networks

堆叠GAN使用多个生成器-判别器对，每个层级负责不同尺度的特征。与LAPGAN不同，SGAN的层级之间不是简单的残差关系，而是各自生成完整的特征图。

训练稳定性革命

WGAN (2017年1月)

论文：Wasserstein GAN

WGAN用Wasserstein距离替代了传统GAN的JS散度，从根本上解决了训练不稳定和模式崩溃问题。判别器（此时称为Critic）不再输出真假概率，而是输出一个实数分数。

WGAN-GP (2017年3月)

论文：Improved Training of Wasserstein GANs

WGAN-GP引入了梯度惩罚（Gradient Penalty）来替代权重裁剪，保留了WGAN的理论优势同时训练更加稳定。这也是目前最广泛使用的WGAN实现。

条件生成进阶

ACGAN (2016年8月)

论文：Conditional Image Synthesis With Auxiliary Classifier GANs

辅助分类器GAN不仅让判别器判断真假，还要求它预测生成的类别。这种方法能生成更清晰的类别特定图像，但可能牺牲类别多样性。

InfoGAN (2016年3月)

论文：InfoGAN: Interpretable Representation Learning by Information Maximizing Generative Adversarial Nets

InfoGAN通过最大化潜变量与生成数据之间的互信息，让模型自动学习可解释的特征表示。例如，在数字生成任务中，它会自动学会用某个维度控制数字的倾斜角度。

图像生成与编辑

GAWWN (2016年10月)

论文：Learning What and Where to Draw

GAWWN允许用户指定物体的位置和姿态（通过关键点或边界框），然后生成符合空间约束的图像。这是“控制生成位置”的早期尝试。

iGAN (2021年9月)

论文：IGAN: Inferent and Generative Adversarial Networks

iGAN结合了推理与生成，能够在给定的观测条件下进行后验推断，适用于图像补全、超分辨率等逆问题。

图像到图像翻译

Pix2Pix (2016年11月)

论文：Image-to-Image Translation with Conditional Adversarial Networks

Pix2Pix使用成对数据进行训练，可以将边缘图转换成真实图像、将卫星图转换成地图、将白天上色为夜景。它的生成器采用U-Net结构，判别器则使用PatchGAN。

Pix2PixHD (2017年11月)

论文：High-Resolution Image Synthesis and Semantic Manipulation with Conditional GANs

Pix2PixHD能够生成2048×1024分辨率的高清图像。它采用了多尺度生成器和判别器，并支持通过实例级别的地图进行语义编辑。

PatchGAN (2018年7月)

论文：Patch-Based Image Inpainting with Generative Adversarial Networks

PatchGAN的判别器不再判断整张图像的真假，而是对每个N×N的图像块进行判断。这种设计迫使生成器关注局部纹理的真实性，特别适用于图像修复任务。

CycleGAN (2017年3月)

论文：Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks

CycleGAN最大的突破是不需要成对训练数据。通过引入循环一致性损失（将生成的图像再转换回来应与原图一致），它可以实现风格迁移、季节变换等任务。

StarGAN (2017年11月)

论文：StarGAN: Unified Generative Adversarial Networks for Multi-Domain Image-to-Image Translation

StarGAN用一个模型完成多个域之间的转换。它通过域标签来控制要转换的目标风格，只需要一个生成器就能实现互相转换，大大提高了效率。

文本到图像生成

StackGAN (2016年12月)

论文：StackGAN: Text to Photo-realistic Image Synthesis with Stacked Generative Adversarial Networks

StackGAN分两阶段生成：第一阶段根据文本描述生成低分辨率图像和大致形状，第二阶段修正细节并生成高分辨率图像。这使得文本到图像的生成质量大幅提升。

StackGAN++ (2017年12月)

论文：StackGAN++: Realistic Image Synthesis with Stacked Generative Adversarial Networks

StackGAN++将两阶段扩展为多阶段，并引入了端到端的联合训练。它还加入了颜色一致性正则化，生成的图像更加逼真。

图像恢复与增强

SRGAN (2016年9月)

论文：Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network

超分辨率GAN首次将GAN应用于图像超分辨率任务，能够将低分辨率图像恢复出逼真的纹理细节。它引入了感知损失（Perceptual Loss），使用预训练的VGG网络来评估生成图像的语义质量。

DeblurGAN (2019年8月)

论文：DeblurGAN-v2: Deblurring (Orders-of-Magnitude) Faster and Better

DeblurGAN专门用于图像去模糊，采用多尺度判别器和特征金字塔网络，能够在保持高效率的同时生成清晰图像。

FSGAN (2019年8月)

论文：FSGAN: Subject Agnostic Face Swapping and Reenactment

FSGAN用于人脸交换和动作重演，不需要针对特定人脸进行训练。它能够处理不同姿态、光照和表情，并保持身份一致性。

音频生成

WaveGAN (2022年8月)

论文：WaveGAN: Frequency-aware GAN for High-Fidelity Few-shot Image Generation

虽然论文标题涉及图像，但WaveGAN在音频生成领域有重要应用。它通过一维卷积处理原始音频波形，能够生成逼真的语音和音乐片段。

SpecGAN (2018年2月)

论文：Adversarial Audio Synthesis

SpecGAN先生成音频的频谱图（spectrogram），再通过逆变换恢复为波形。这种方法比直接生成波形更容易训练，生成的音质也更好。

艺术与创意

ArtGAN (2017年2月)

论文：ArtGAN: Artwork Synthesis with Conditional Categorical GANs

ArtGAN专用于艺术画作生成，在判别器中加入了类别分类任务（如流派、艺术家），使得生成的作品更具风格一致性。

CAN (2017年6月)

论文：CAN: Creative Adversarial Networks, Generating “Art” by Learning About Styles and Deviating from Style Norms

创意对抗网络的目标不是模仿现有风格，而是生成“偏离风格规范但又不至于完全杂乱”的新颖作品。CAN试图在“可识别”与“新颖”之间找到平衡。

SketchRNN (2017年4月)

论文：A Neural Representation of Sketch Drawings

虽然名字带RNN，但SketchRNN使用了VAE与GAN结合的思想，专门处理矢量化的手绘草图。它能够根据用户的部分草稿补全完整绘画。

TextureGAN (2017年6月)

论文：TextureGAN: Controlling Deep Image Synthesis with Texture Patches

TextureGAN允许用户提供一小块纹理示例，然后生成具有相同纹理风格的大图像。这在材质生成、图案设计中有重要应用。

注意力机制与渐进式生成

SAGAN (2018年5月)

论文：Self-Attention Generative Adversarial Networks

自注意力GAN将自注意力模块引入生成器和判别器，让模型能够捕捉图像中远距离像素之间的依赖关系。这使得生成图像中的物体（如鸟的翅膀和身体）在全局上更加协调。

ProgressiveGAN (2017年10月)

论文：Progressive Growing of GANs for Improved Quality, Stability, and Variation

渐进式GAN从4×4的极低分辨率开始训练，然后逐步添加更高分辨率的层。这种渐进增长的方式让训练极其稳定，能够生成1024×1024的高质量人脸图像，StyleGAN系列也继承了这个思想。

特别提及

DeepDream (2015年7月)

博客：Inceptionism: Going Deeper into Neural Networks

严格来说，DeepDream不是GAN，而是一种基于梯度上升的图像增强技术。但它对后来的生成模型影响深远，其迷幻的视觉风格让公众第一次直观感受到深度神经网络“看到”的世界。

各GAN模型优缺点对比

总结

GAN的发展史是一部不断解决前人问题、不断扩展应用边界的进化史。从最初的训练不稳定，到WGAN的理论突破；从随机生成到条件控制；从低分辨率到ProgressiveGAN的高清生成——每一次改进都让生成模型离“真实”更近一步。