高分辨率图像重建

https://zhuanlan.zhihu.com/p/25201511

生成式对抗网络GAN有哪些最新的发展，可以实际应用到哪些场景中？

https://www.zhihu.com/question/52602529/answer/163929347

https://github.com/dongb5/GAN-Timeline

https://www.zhihu.com/collection/135882230

GAN学习指南：从原理入门到制作生成Demo

https://zhuanlan.zhihu.com/p/24767059

 

GAN的优化函数

    GAN模型没有损失函数，优化过程是一个“二元极小极大博弈（minimax two-player game）”问题: 

    这是关于判别网络D和生成网络G的价值函数（Value Function），训练网络D使得最大概率地分对训练样本的标签（最大化log D(x)），训练网络G最小化log(1 – D(G(z)))，即最大化D的损失。训练过程中固定一方，更新另一个网络的参数，交替迭代，使得对方的错误最大化，最终，G 能估测出样本数据的分布。生成模型G隐式地定义了一个概率分布Pg，我们希望Pg 收敛到数据真实分布Pdata。论文证明了这个极小化极大博弈当且仅当Pg = Pdata时存在最优解，即达到纳什均衡，此时生成模型G恢复了训练数据的分布，判别模型D的准确率等于50%。