摘要： 本文主要講述了生成對抗網絡GANs的發展和主要應用。
在GAN發展的最初幾年裏，我們取得了令人矚目的進展。當然，現在不會是像恐怖電影裏那樣有郵票大小的面部照片了。2017年，Gan製作了1024×1024張能愚弄人才童子軍的照片。在未來幾年，我們可能會看到GAN生成的高質量視頻，由此衍生的商業應用程序即將來臨。作爲GAN系列的一部分，我們研究了一些很酷的應用程序，希望它們能作你的GAN應用程序的靈感來源。
創建動畫角色
衆所周知，遊戲開發和動畫製作成本很高，並且僱傭了許多製作藝術家來完成相對常規的任務。但通過GAN就可以自動生成動畫角色併爲其上色。
發生器和鑑別器由多層卷積層、批標準化和具有跳過鏈接的relu組成。
姿勢引導人形像生成
通過姿勢的附加輸入，我們可以將圖像轉換爲不同的姿勢。例如，右上角圖像是基礎姿勢，右下角是生成的圖像。
下面的優化結果列是生成的圖像。
該設計由二級圖像發生器和鑑頻器組成。生成器使用元數據（姿勢）和原始圖像重建圖像。鑑別器使用原始圖像作爲CGAN設計標籤輸入的一部分。
CycleGAN
跨域名轉讓將很可能成爲第一批商業應用。GANs將圖像從一個領域（如真實的風景）轉換爲另一個領域（莫奈繪畫或梵高）。
例如，它可以在斑馬和馬之間轉換圖片。
Cyclegan構建了兩個網絡G和F來構建從一個域到另一個域以及反向的圖像。它使用鑑別器d來批評生成的圖像有多好。例如，G將真實圖像轉換爲梵高風格的繪畫，並且DY用於區分圖像是真實的還是生成的。
域A到域B：
我們在反向域B域A中重複該過程：
PixelDTGAN
根據名人圖片推薦商品已經成爲時尚博客和電子商務的熱門話題。Pixeldtgan的作用就是從圖像中創建服裝圖像和樣式。
超分辨率
從低分辨率創建超分辨率圖像。這是GAN顯示出非常令人印象深刻的結果，也是具有直接商業可能性的一個領域。
與許多GAN的設計類似，它是由多層卷積層、批標準化、高級relu和跳過連接組成。
GAN的逐步發展
Progressive GAN可能是第一個展示商業化圖像質量的GAN之一。以下是由GAN創建的1024×1024名人形象。
它採用分而治之的策略，使訓練更加可行。卷積層的一次又一次訓練構建出2倍分辨率的圖像。
在9個階段中，生成1024×1024圖像。
高分辨率圖像合成
需要注意的是這並非圖像分割，而是從語義圖上生成圖像。由於採集樣本非常昂貴，我們採用生成的數據來補充培訓數據集，以降低開發成本。在訓練自動駕駛汽車時可以自動生成視頻，而不是看到它們在附近巡航，這就爲我們的生活帶來了便捷。
網絡設計:
文本到圖像（StackGAN）
文本到圖像是域轉移GAN的早期應用之一。比如，我們輸入一個句子就可以生成多個符合描述的圖像。
文本到圖像合成
另一個比較通用的實現：
人臉合成
不同姿態下的合成面：使用單個輸入圖像，我們可以在不同的視角下創建面。例如，我們可以使用它來轉換更容易進行人臉識別圖像。
圖像修復
幾十年前，修復圖像一直是一個重要的課題。gan就可以用於修復圖像並用創建的“內容”填充缺失的部分。
學習聯合分配
用面部字符P（金髮，女性，微笑，戴眼鏡），P（棕色，男性，微笑，沒有眼鏡）等不同組合創建GAN是很不現實的。維數的詛咒使得GAN的數量呈指數增長。但我們可以學習單個數據分佈並將它們組合以形成不同的分佈，即不同的屬性組合。
DiscoGAN
DiscoGAN提供了匹配的風格：許多潛在的應用程序。DiscoGAN在沒有標籤或配對的情況下學習跨域關係。例如，它成功地將樣式（或圖案）從一個域（手提包）傳輸到另一個域（鞋子）。
DiscoGAN和cyclegan在網絡設計中非常相似。
Pix2Pix
PIX2PIx是一種圖像到圖像的翻譯，在跨域Gan的論文中經常被引用。例如，它可以將衛星圖像轉換爲地圖（圖片左下角）。
DTN
從圖片中創建表情符號。
紋理合成
圖像編輯 (IcGAN)
重建或編輯具有特定屬性的圖像。
人臉老化(Age-cGAN)
神經照片編輯器
基於內容的圖像編輯：例如，擴展髮帶。
細化圖像
目標檢測
這是用gan增強現有解決方案的一個應用程序。
圖像融合
將圖像混合在一起。
視頻生成
創建新的視頻序列。它識別出什麼是背景，併爲前臺操作創建新的時間序列。
生成三維對象
這是用gan創建三維對象時經常引用的一篇文章。
音樂的產生
GaN可以應用於非圖像領域，如作曲。
醫療（異常檢測）
GAN還可以擴展到其他行業，例如醫學中的腫瘤檢測。
進一步閱讀
本文展示了一些GAN的相關應用程序。如果你感興趣想進一步研究GAN可以繼續閱讀以下文章：
第一部分：重點介紹如何應用gans解決深層次學習問題，以及爲什麼培訓gans如此困難。
GAN-關於GAN的綜合考察（上）
第二部分：GAN培訓問題解決概述。
GAN-關於GAN的綜合考察（下）
本系列中的所有文章：
GaN-GaN系列（從頭到尾）
本文作者：【方向】
本文爲雲棲社區原創內容，未經允許不得轉載。