GAN

GAN 是什么

GAN（Generative Adversarial Network，生成对抗网络）是 2014 年由 Ian Goodfellow 提出的生成模型。它由两个网络组成：生成器（Generator）负责造假数据，判别器（Discriminator）负责分辨真假。两者不断对抗，生成器逐渐学会生成以假乱真的数据。

打个比方：生成器是"造假者"，判别器是"鉴定师"。造假者越造越真，鉴定师越鉴越精，最后造假者出品的水平足以骗过鉴定师。

工作原理

1. 生成器从随机噪声生成"假样本"
2. 判别器判断样本是真是假
3. 生成器根据判别结果改进，判别器同步升级鉴别能力
4. 反复博弈后，生成器产出的样本逼近真实分布

典型应用

• 人脸生成：StyleGAN 生成的逼真人脸（早期 Deepfake 核心）
• 图像超分辨率：把低清图补成高清（SRGAN）
• 风格迁移：照片转漫画、转油画
• 数据增强：为训练集合成更多样本

与扩散模型的关系

GAN 曾是生成领域主流，但 2022 年后逐渐被扩散模型（Stable Diffusion 等）取代——扩散模型训练更稳定、多样性更好、细节更自然。不过 GAN 在超分、实时生成等场景仍有优势。

一句话总结

GAN 用"造假者与鉴定师博弈"的思路让机器学会生成，是深度生成技术的里程碑；今天文生图的主力虽已换成扩散模型，但 GAN 的思想仍在许多应用中延续。