【总结】超100期经典GAN模型的解读，从结构设计到应用，你不动心吗？-优快云博客

GAN无疑是这几年深度学习领域里最酷的技术，不管是理论的研究，还是GAN在图像生成，图像翻译，语音图像等基础领域的应用，都非常的丰富。我们公众号输出过非常多的GAN相关资源，本次做一个简单汇总，并重点介绍其中的各类GAN模型解读的专题。

免费资源

2021年初我们在阿里云上开设了免费视频课程《深度学习原理与实践》，其中包含了GAN的基础理论和一个简单实践，一共有8期内容，如下：

内容包括生成模型基础，自编码器与变分自编码器，生成对抗网络基础，GAN优化目标设计与改进，数据生成GAN结构与应用，图像翻译GAN结构与应用，GAN的评估，DCGAN模型的原理与结构，项目的解读，训练与测试……

详细介绍请阅读：

【阿里云课程】深度生成模型基础，自编码器与变分自编码器

【阿里云课程】生成模型之GAN原理与优化基础

【阿里云课程】生成模型之GAN优化目标设计与改进

【阿里云课程】如何从零开始完成第一个GAN项目

【阿里云课程】数据生成GAN的模型结构与应用

【阿里云课程】图像翻译GAN结构与应用

另一方面有三的亲师弟小米粥同学，在我们公众号开设过专栏《GAN的优化》。

本专栏及其后续内容有超过15篇文章，从生成模型出发，讲述了GAN的基本理论，包括工作原理，更具有普适性的f散度度量和Wasserstein距离，以及IPM框架；接着介绍了GAN训练困难的原因以及几个训练技巧，各种GAN的正则项的优劣；GAN中的模式崩溃问题以及几个比较好的解决方案。

详细的文章列表请阅读下文：

【完结】12篇GAN的优化文章大盘点，浓浓的数学味儿

【GAN优化】长文综述解读如何定量评价生成对抗网络(GAN)

【GAN优化外篇】详解生成模型VAE的数学原理

【生成模型】关于无监督生成模型，你必须知道的基础

【生成模型】极大似然估计，你必须掌握的概率模型

【生成模型】解读显式生成模型之完全可见置信网络FVBN

【生成模型】简述概率密度函数可处理流模型

【生成模型】浅析玻尔兹曼机的原理和实践

为了让大家能够从理论和实践同时掌握好GAN模型，我们公众号也开设过《百战GAN》的实战专栏。

本专栏挑选经典GAN模型进行原理讲解，代码剖析，完成模型训练与测试，已有的内容包括图像生成，图像分割，图像增强，图像风格化，图像超分辨等领域，欢迎大家进行投稿。

【百战GAN】自动增强图像对比度和颜色美感，GAN如何做？

【百战GAN】二次元宅们，给自己做一个专属动漫头像可好！

【百战GAN】羡慕别人的美妆？那就用GAN复制粘贴过来

【百战GAN】如何使用GAN拯救你的低分辨率老照片

【百战GAN】GAN也可以拿来做图像分割，看起来效果还不错？

【百战GAN】新手如何开始你的第一个生成对抗网络(GAN)任务

以上，就是咱们公众号里的内容，从视频到文本，非常的丰富。但在我们知识星球中，还有着更加丰富的内容，那里才是我们社区中GAN的真正宝库，下面且听介绍！

知识星球GAN专栏

有三AI知识星球是我们公众号内容的升级，包含更多更新技术的解读，其中关于星球的介绍，大家可以看看去年的一篇文章，如下。

【杂谈】有三AI知识星球指导手册出炉！和公众号相比又有哪些内容？

知识星球中一个非常重要的模块就是GAN，内有超过100期经典GAN模型的解读，下面是其中一些重要模块的归类预览。

星球里的学习方式为提供论文下载+论文解读，如下：

细分到各个方向，包括图像与语音生成GAN，图像分割与目标检测GAN，图像编辑与创作GAN，图像翻译/风格化GAN，图像增强GAN，人脸与人体GAN，以及其他各领域未明确归类的GAN。

(1) 图像与语音生成GAN。

内容覆盖基本的GAN模型（从DCGAN到SAGAN），条件GAN（CGAN等），多尺度GAN模型（从LAPGAN到StyleGAN），与VAE的结合（ALI等），图像增强与仿真GAN（从BAGAN到SimGAN），多判别器与生成器GAN（从TripleGAN到MAD-GAN），三维GAN（VON）等，视频GAN（从MocoGAN到MDGAN等）。

(2) 图像翻译/风格化GAN。

内容包括有监督的图像翻译GAN（从Pix2pix到Pix2pixHD）与无监督的图像翻译GAN。其中无监督的图像翻译GAN是重点，介绍各类基本模型（UNIT，CycleGAN等），多域拓展（从MUNIT到StarGAN），以及各类应用（Whitebox GAN等）。

(3) 图像增强GAN。

内容包括GAN在各类图像增强任务中的应用，包括图像降噪（GCBD等），对比度增强（EnhanceGAN等），超分辨（从SRGAN到Cycle in Cycle GAN），图像修复（从CE到ARGAN等），图像去模糊（从DeblurGAN到DBGAN等）。

(4) 人脸人体GAN。

内容包括GAN在人脸人体生成与编辑中的各类应用，包括人脸风格化（UGATIT等），人脸妆造（BeautyGAN等），年龄编辑（CAAE等），表情编辑（G2GAN等），姿态编辑（FFGAN等），关键点检测（Boundary-aware GAN等），人脸补全（Face De-occusion GAN等），人脸识别（Dual Agent GAN等），人脸超分辨（Pulse等），人脸修复（Old Photo Restore GAN等），人脸驱动（ReenactGAN等），通用人脸属性编辑（StyleGAN及其变种），姿态迁移（Everybody Dance GAN等），人脸换装（VITON等）。

(5) 图像分割与目标检测GAN。

内容包括GAN在图像分割与目标检测等经典任务中的应用，包括分割GAN（从SegGAN到Background Matting），检测GAN（从FindFaceTinyGAN到Perceptual GAN）。

如果你想学习相关内容，欢迎扫码加入有三AI知识星球：

如果你只想要GAN，而不想要星球的其他内容，还有一个学习办法，那就是订阅我们的头条专栏，如下。

当然，有三并不推荐大家那样做；因为头条里GAN的内容并不全，而且星球里的内容并不仅限于GAN，要丰富的多。

当然，需要提醒大家的是，知识星球是我们的高阶社区，里面不会涉及很基本的模型解读，诸如图像分类，图像分割，目标检测的一些基本的模型解读，请大家移步我们的视频专栏进行学习，介绍如下：

【视频课】如何真正夯实CV基础，超40小时视频+10大Pytorch CV实践案例助你攻略CV三大基础任务

秋季划GAN小组

最后，如果你想一次性拥有以上内容，获得更多GAN的实战视频资料，以及后续长期更新的GAN相关资料，并且需要更深入学习GAN的其他内容，以及加入技术交流讨论，欢迎加入有三AI秋季划GAN学习小组。

GAN组将永久拥有我们平台所有GAN相关的技术资料，并赠送有三AI知识星球一年的权限和最新书籍一本，介绍如下：

[5] Veit A, Wilber M J, Belongie S. Residual networks behave like ensembles of relatively shallow networks[C]//Advances in neural information processing systems. 2016: 550-558.