论文精读GAN: Generative Adversarial Nets

1 基础背景

论文链接：https://arxiv.org/abs/1406.2661
源码地址：http://www.github.com/goodfeli/adversarial

2 优缺点

优点：
避免了过拟合。因为生成器没有直接接触样本，而是通过判别器告诉它像不像，就像枯叶蝶不知道枯叶长什么样子；
不需要Markov链。而是采用的深度学习，深度学习中有完备的训练技巧。
缺点：
无法显式地表示样本分布。就像枯叶蝶不知道自己为什么像枯叶；
判别器和生成器需要同步训练。如果训练太多次判别器再训练生成器，那么可能导致【模式崩溃】（不管给什么噪声，输出结果一样）

3 未来发展趋势

条件GAN：指定生成什么类型的图片，比如固定数字、某种小动物等；
图像编辑：比如修改头发颜色；
图像填充：把图像中的路人用风景填充。