GAN生成式对抗网络Generative Adversarial Network。和 VAE 一样，是用来学习图像的潜在空间的。这东西可以生成非常逼真的图像，其产物与真实图像在统计上别无二致

这是 GAN 学习系列的第二篇文章，这篇文章将开始介绍 GAN 的起源之作，鼻祖，也就是 Ian Goodfellow 在 2014 年发表在 ICLR 的论文--Generative Adversarial Networks”，当然由于数学功底有限，所以会简单介绍用到的数学公…

如果你玩过波斯王子，那你应该知道你需要保护自己不被”影子“所杀掉，但这也是一个矛盾：如果你杀死“影子”，那游戏就结束了；但你不做任何事情，那么游戏也会输掉。 尽管生成对抗网络（GAN）有不少优点，但它也面临着相似的区分问题。大部分支持 GAN 的深度学习专业也是非常谨慎的支持它…

最近忙着弄论文，不知不觉三个多月没更新了==心里实在过意不去，分享一下前段时间看的一篇论文，以及复现的模型～一键上妆效果如下BeautyGAN论文名称：BeautyGAN:Instance-level

如果说目前深度学习最火，应用最多的领域，莫过于 GAN--Generative Adversarial Network，翻译过来就是生成对抗网络，单单从名字上看，你会觉得它就是一个生成模型，看起来就是用于生成图片而已。 实际上，它最开始出现的时候，确实就是用于生成图片，但它可不…

上次写的文章-- 一文了解下 GANs可以做到的事情，如果想进一步了解 GAN，学习研究 GAN，可以先从这 10 篇论文开始。 原文作者推荐开始的第一篇论文是 DCGAN 。 文末在介绍几个 Github 项目，分别是专门收集 GAN 方面的论文，以及用 TensorFlow…

动动鼠标，让图片变「活」，成为你想要的模样。在 AIGC 的神奇世界里，我们可以在图像上通过「拖曳」的方式，改变并合成自己想要的图像。

之前树先生给大家介绍过一个项目 DragGAN，现在正式开源了！ 超炫酷项目来袭！DragGAN 火爆开源社区！ 那还等什么，盘它！

对抗生成网络GAN系列——GAN 写在前面 ​   其实关于GAN的讲解我早就做过一期，点击☞☞☞了解详情🌱🌱🌱由于最近会用到GAN的一些知识，自己又对GAN进行了一些整理，有了一些新的认识，便写了这