GAN最新进展：8大技巧提高稳定性

生成对抗网络GAN很强大，但也有很多造成GAN难以使用的缺陷。本文介绍了可以克服GAN训练缺点的一些解决方案，有助于提高GAN性能。生成对抗网络 (GAN) 是一类功能强大的神经网络，具有广泛的应用前景。GAN 本质上是由两个神经网络组成的系统——生成器 (Generator) 和鉴别器 (Discriminator)——二者相互竞争。GAN 的原理示意图 给定一组目标样本，生成器试图生成能够欺骗鉴别器的样本，使鉴别器认为这些样本是真实的。鉴别器试图从假的 (生成的) 样本中分辨出真实的 (目标) 样本。使用这种迭代训练方法，我们最终能得到一个非常擅长生成足以以假乱真的样本的生成器。GAN 有很多应用，因为它们可以学习模仿几乎所有类型的数据分布。通常，GAN 用于移除图像伪影、超分 ………………………………