生成对抗网络综述：变体、应用与训练
计算机视觉与模式识别
2020-06-11 v1 机器学习
图像与视频处理
摘要
生成模型通过一种称为生成对抗网络（GAN）的崭新且实用的框架，凭借其出色的数据生成能力，在无监督学习领域获得了相当多的关注。许多 GAN 的模型被提出，并在计算机视觉与机器学习的各个领域出现了若干实际应用。尽管 GAN 取得了卓越成功，稳定训练方面仍存在障碍。这些问题源于纳什均衡、内部协变量偏移、模式崩溃、梯度消失以及缺乏恰当的评估指标。因此，稳定训练是 GAN 在不同应用中取得成功的关键问题。在此，我们综述了不同研究者提出的若干稳定 GAN 训练的方案。我们综述了（I）原始 GAN 模型及其改进的传统版本，（II）对不同领域中各种 GAN 应用的详细分析，（III）关于各种 GAN 训练障碍及训练方案的详细研究。最后，我们讨论了若干新问题以及该主题的研究提纲。
引用
@article{arxiv.2006.05132,
title = {A Survey on Generative Adversarial Networks: Variants, Applications, and Training},
author = {Abdul Jabbar and Xi Li and Bourahla Omar},
journal= {arXiv preprint arXiv:2006.05132},
year = {2020}
}