Generative Adversarial Network (GAN) 的基礎理論
Published in
13 min readSep 26, 2020
生成對抗網路 (GAN) 在2014年由Goodfellow等人提出，透過一組對抗的網路實現無監督學習 (unsupervised learning)。GAN至今已經是一個非常全面的技術，而且有許多耳熟能詳的應用，最為知名的應用就是各種圖像風格轉換的App與前陣子造成許多名人困擾的換臉 (DeepFake)。
以技術面來說，GAN確實是近年deep learning發展中一個相當有意思的方向。以discriminator來訓練執行真實目標的generator網路，不僅僅實現unsupervised learning，更是將學習的目標從supervised learning人為設定的數學式，推廣到一個更具結構的範疇 (structure learning)。
文章難度：★☆☆☆☆
閱讀建議： 本篇文章是 GAN的入門文章，會從 GAN的基本介紹起，回到 2014年 Goodfellow發表的 GAN論文，介紹 GAN最原始的所思所想、解決什麼問題、如何解決。
推薦背景知識：supervised learning, unsupervised learning, auto-encoder.
幾個GAN的經典應用
GAN發展至今，已經實現的應用真的已經多到數不完。以下簡單列舉幾個GAN的經典應用。
