生成对抗网络 (GAN)

定义

生成对抗网络(Generative Adversarial Network,GAN)是一类深度生成模型,由 Goodfellow 等人于 2014 年提出。它由生成器与判别器两个神经网络构成,二者在训练中相互对抗、彼此博弈:生成器力图生成以假乱真的数据,判别器则努力分辨真实数据与生成数据,通过这种动态对抗最终使生成器产出高度逼真的样本。[1]

原理

GAN 的训练可形式化为一个极小极大博弈。生成器从随机噪声向量出发,学习将其映射为模拟真实数据分布的样本;判别器则是一个二分类器,输出输入样本来自真实数据而非生成数据的概率。训练时,判别器被优化以最大化正确区分真假的能力,生成器则被优化以最小化判别器识破其伪造的概率,即生成足以骗过判别器的样本。二者交替更新,在理想的纳什均衡下,生成分布逼近真实数据分布,判别器无法区分真假。整个过程无需显式建模数据的概率密度,属于隐式生成模型。

特点

GAN 的优势在于能够生成清晰、逼真且细节丰富的样本,采样速度快(单次前向即可生成)。其显著缺陷是训练不稳定:对抗博弈难以收敛,易出现模式崩溃(生成器只产出有限几种样本)、梯度消失与训练震荡等问题。为此衍生出大量改进方案,如引入 Wasserstein 距离的 WGAN、采用渐进式增长的 ProGAN、实现高分辨率高保真生成的 StyleGAN,以及条件生成的 cGAN 等。

应用

GAN 广泛应用于图像生成、图像超分辨率、图像风格迁移、图像修复、数据增强与人脸合成等领域,曾长期是图像生成的代表性技术。尽管近年扩散模型在生成质量与训练稳定性上展现出优势并逐渐成为主流,GAN 凭借其高效的单步采样,在实时生成与特定任务中仍具实用价值。