Skip to content
简体中文

切换主题

// ✦ 扩散、流匹配与生成模型

生成对抗网络 GAN

生成器造假、判别器鉴假,两者对抗中共同进步。

Generative Adversarial Network (GAN) 2014 进阶 扩展

通俗解释

生成器从噪声生成样本试图骗过判别器,判别器努力区分真假。博弈的均衡点是生成分布等于真实分布。曾主导图像生成(StyleGAN),后被扩散模型超越,但仍用于超分和加速。

用在哪里:StyleGAN、图像超分

时间轴 · 前置 → 当前 → 后继

1986 反向传播2014 生成对抗网络 GAN

01原始论文

Generative Adversarial Networks

Ian J. Goodfellow, Jean Pouget-Abadie, Mehdi Mirza, et al. · 2014

arXiv ↗ ✓ 已核实 · arXiv API

02知识位置

左边先学;右边是学完它之后可以学的。

先学

生成对抗网络 GAN

学完可以学

  • 图谱里暂无后继

相关:去噪扩散概率模型 DDPM变分自编码器 VAE

反向传播去噪扩散概率模型 DDPM变分自编码器 VAE 生成对抗网络 GAN

左:前置 · 右:后继 · 虚线:相关。看完整关系图 →

03学习资料

官方文档、图解、课程和参考实现,链接都核对过。

04在课程里哪里学

给 AI 读 / 数据说明

数据更新于:AI 算法图谱与课程体系(北京时间)