| 生成式对抗网络及其在图像生成中的研究进展 |
| |
| 引用本文： | 马永杰,徐小冬,张茹,谢艺蓉,陈宏.生成式对抗网络及其在图像生成中的研究进展[J].计算机科学与探索,2021,15(10):1795-1811. |
| |
| 作者姓名： | 马永杰 徐小冬 张茹 谢艺蓉 陈宏 |
| |
| 作者单位： | 西北师范大学 物理与电子工程学院,兰州 730070 |
| |
| 摘 要： | 生成式对抗网络(GAN)现已成为深度学习领域热门的研究方向,其独特的对抗性思想来源于博弈论中的二人零和博弈,如何解决GAN训练不稳定、生成样本质量差、评价体系不够健全、可解释性差等问题是目前GAN研究的重点和难点.调研了生成式对抗网络的研究背景和发展趋势.首先阐述了生成式对抗网络的基本思想和算法实现,分析了GAN的优势与不足,然后对已有改进方法进行了较为系统的分类,从基于结构改变和基于损失函数变体的两种类型分别梳理了一些典型的GAN的优化方法和衍生模型;比较了GAN与其他生成模型的异同,介绍了各自的优势与不足;对比了GAN及其衍生模型的性能,总结了它们的运作机制、优点、局限性以及适用场景,介绍了生成式对抗网络在图像生成领域中的应用;最后列举了生成式对抗网络的主流评价指标,分析了GAN研究中仍面临的主要问题并给出对应的解决思路,并将列举出的主流解决手段在解决效果及可应用性方面进行了对比分析,展望了未来的研究方向.
|
| 关 键 词： | 生成式对抗网络(GAN) 机器学习 深度学习 图像处理 无监督学习 图像生成 |
Generative Adversarial Network and Its Research Progress in Image Generation |
| |
| MA Yongjie,XU Xiaodong,ZHANG Ru,XIE Yirong,CHEN Hong.Generative Adversarial Network and Its Research Progress in Image Generation[J].Journal of Frontier of Computer Science and Technology,2021,15(10):1795-1811. |
| |
| Authors: | MA Yongjie XU Xiaodong ZHANG Ru XIE Yirong CHEN Hong |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
