生成對抗網絡（英語：Generative Adversarial Network，簡稱GAN）是非監督式學習的一種方法，通過兩個神經網絡相互博弈的方式進行學習。該方法由伊恩·古德費洛等人於2014年提出。[1] 生成對抗網絡由一個生成網絡與一個判別網絡組成。生成網絡從潛在空間（latent space）中隨機取樣作為輸入，其輸出結果需要盡量模仿訓練集中的真實樣本。判別網絡的輸入則為真實樣本或生成網絡的輸出，其目的是將生成網絡的輸出從真實樣本中盡可能分辨出來。而生成網絡則要盡可能地欺騙判別網絡。兩個網絡相互對抗、不斷調整參數，最終目的是使判別網絡無法判斷生成網絡的輸出結果是否真實。[2][1][3]
生成對抗網絡常用於生成以假亂真的圖片。[4]此外，該方法還被用於生成影片[5]、三維物體模型[6]等。
生成對抗網絡雖然最開始提出是為了無監督學習，但經證明對半監督學習[4]、完全監督學習[7] 、強化學習[8]也有效。 在2016年的一個研討會上，楊立昆稱生成式對抗網絡為「機器學習這二十年來最酷的想法」[9]。
應用
生成對抗網絡可用於建立虛構時裝模特的相片，無需聘請模特、攝影師、化妝師，也省下工作室和交通的開銷[12]。 生成對抗網絡可用於時尚廣告活動，建立來自不同群體的模特兒，這可能會增加這些群體的人的購買意圖[13]。
在2018年，生成對抗網絡進入了電子遊戲改造社區。對舊的電子遊戲透過圖像訓練，以4k或更高解像度重新建立低解像度2D紋理，然後對它們進行下取樣以適應遊戲的原始解像度（結果類似於抗鋸齒的超級取樣方法）[20]。通過適當的訓練，生成對抗網絡提供更清晰、高於原始的2D紋理圖像質素，同時完全保留原始的細節、顏色。
參見
參考文獻
Wikiwand in your browser!
Seamless Wikipedia browsing. On steroids.
Every time you click a link to Wikipedia, Wiktionary or Wikiquote in your browser's search results, it will show the modern Wikiwand interface.
Wikiwand extension is a five stars, simple, with minimum permission required to keep your browsing private, safe and transparent.
