生成式对抗网络研究与应用进展

• 作者: 朱远平 柴梦婷
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 生成式对抗网络 生成式模型 对抗学习 深度学习 人工智能
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 图形图像处理
• 页码范围: 222-234
• 页数: 13页
• 分类号: TP183
• 字数: 11505字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0051964

摘要

基于零和博弈思想的生成式对抗网络(GAN)可通过无监督学习获得数据的分布,并生成较逼真的数据.基于GAN的基础概念及理论框架,研究各类GAN模型及其在特定领域的应用情况,从数据相似性度量、模型框架、训练方法3个方面进行分析,对GAN改进与扩展的相关研究成果进行总结,并从图像合成、风格迁移等应用领域展开讨论,归纳出GAN的优势与不足,同时对其应用前景进行展望.分析结果表明,GAN的学习能力与可塑性强,改进潜力大,应用范围广,但其发展面临的挑战是训练过程不稳定,且缺乏生成数据质量的客观评价标准.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	柴梦婷	天津师范大学计算机与信息工程学院	3	6	1.0	2.0
2	朱远平	天津师范大学计算机与信息工程学院	4	18	2.0	4.0