歡迎來到《每週CV論文推薦》。在這個專欄裡，還是本著有三AI一貫的原則，專注於讓大家能夠系統性完成學習，所以我們推薦的文章也必定是同一主題的。

GAN作為當前最有前途，也最燒錢的方向之一，值得每一個從事CV領域的同學跟進，今天給大家介紹入行GAN需要讀的文章。

作者&編輯 | 言有三

1 GAN

首先當然是要讀GAN之父Goodfellow的文章[2]了，引用量已經超過了10000+，不過因為GAN模型同時包含了生成學習和判別學習模型，也推薦大家讀一讀文[1]對兩者的對比。

文章引用量：10000+

推薦指數：✦✦✦✦✦

[1] Ng A Y, Jordan M I. On discriminative vs. generative classifiers: A comparison of logistic regression and naive bayes[C]//Advances in neural information processing systems. 2002: 841-848.

[2] Goodfellow I, Pouget-Abadie J, Mirza M, et al. Generative adversarial nets[C]//Advances in neural information processing systems. 2014: 2672-2680.

2 DCGAN

作為第一個全卷積GAN，簡單，有效，對機器的要求不高，誰都可以上手在短時期來完成影像生成任務，領略GAN的神奇之處。

文章引用量：4000+

推薦指數：✦✦✦✦✦

[3] Radford A, Metz L, Chintala S. Unsupervised representation learning with deep convolutional generative adversarial networks[J]. arXiv preprint arXiv:1511.06434, 2015.

3 CGAN和InfoGAN

GAN雖然是無監督模型，DCGAN固然也好用，但是加了條件控制之後才能做更多的事情。CGAN是第一個條件GAN模型，能夠控制生成數字的細節。Infogan是無監督的cgan，透過隱變數約束c與生成資料之間的關係，它們是後面出現的更加強大的條件GAN的基礎。

文章引用量：2000+

推薦指數：✦✦✦✦✦

[4] Mirza M, Osindero S. Conditional generative adversarial nets[J]. arXiv preprint arXiv:1411.1784, 2014.

[5] Chen X, Duan Y, Houthooft R, et al. Infogan: Interpretable representation learning by information maximizing generative adversarial nets[C]//Advances in neural information processing systems. 2016: 2172-2180.

4 級連GAN

原始的GAN生成圖的解析度太小，無法實用，為了更加穩定地生成更加高畫質的圖，LAPGAN[6]/StackedGAN[7]借鑑了影像中的金字塔演算法，各自提出級連的GAN結構。NVIDIA則在Progressive GAN中首次將影像生成到了1024解析度，效果驚人。

文章引用量：1000+

推薦指數：✦✦✦✦✧

[6] Denton E L, Chintala S, Fergus R. Deep generative image models using a laplacian pyramid of adversarial networks[C]//Advances in neural information processing systems. 2015: 1486-1494.

[7] Huang X, Li Y, Poursaeed O, et al. Stacked generative adversarial networks[C]//IEEE Conference on Computer Vision and Pattern Recognition (CVPR). [8] Karras T, Aila T, Laine S, et al. Progressive growing of gans for improved quality, stability, and variation[J]. arXiv preprint arXiv:1710.10196, 2017.

5 如何獲取文章與交流

找到有三AI開源專案即可獲取。