GANs最新综述论文：生成式对抗网络及其变种如何有用

来源：专知

【导读】最近一期的计算机顶级期刊ACM Computing Surveys (CSUR)出版，涵盖最新的GANs综述论文,146篇参考文献，本文的作者来自首尔大学数据科学与人工智能实验室的师生，研究方向为深度学习和机器学习。本综述论文介绍了GAN的原理和应用。

介绍

生成对抗网络（GAN）在机器学习领域受到广泛关注，因为它们有可能学习高维，复杂的实际数据分布。具体而言，它们不依赖于关于分布的任何假设，并且可以以简单的方式从潜在空间生成真实样本。这种强大的属性使GAN可以应用于各种应用，如图像合成，图像属性编辑，图像翻译，领域适应和其他学术领域。在本文中,作者从各个角度探讨GAN的细节。此外，作者还解释了GAN如何运作以及最近提出的各种目标函数的基本含义。然后，作者将重点放在如何将GAN与自动编码器框架相结合。最后，作者列举了适用于各种任务和其他领域的GAN变体，适用于那些有兴趣利用GAN进行研究的人。

文章共分6个章节。

文章结构概述

GAN的目标函数已经它各个部分是如何工作的；近几年新提出的目标函数

GAN如何应用于从低维数据表示中学习一个隐空间

GAN的实际应用领域

GAN为什么比其他模型好

文章总结

关于GAN的结构的一些论文总结

关于GAN在不同领域与研究主题中的应用的论文总结

论文地址：

https://arxiv.org/abs/1711.05914

作者：Yongjun Hong,Uiwon Hwang,Jaeyoon Yoo,Sungroh Yoon

作者主页：

https://dblp.uni-trier.de/pers/hd/h/Hong:Yongjun