计算机视觉中的生成式对抗网络:综述与分类( Generative Adversarial Networks in Computer Vision: A Survey and Taxonomy )

Z Wang Q She TE Ward

生成对抗网络（GANs）在过去的几年中得到了广泛的研究。可以说，它们最重要的影响是在计算机视觉领域，在诸如可信图像生成、图像到图像翻译、面部属性处理和类似领域的挑战方面取得了巨大的进步。尽管到目前为止已经取得了很大的成功，但是将GANs应用于现实世界的问题仍然会带来很大的挑战，我们将在这里重点讨论其中的三个问题。具体包括：（1）高质量图像的生成，(2)图像生成的多样性，(3)稳定性训练。重点讨论了目前流行的GAN技术在克服这些挑战方面取得的进展，我们在已发表的科学文献中详细回顾了GAN相关研究的最新进展。我们根据GAN结构和损失函数的变化采用了一种方便的分类法，进一步构建了这篇综述。虽然到目前为止已经提出了几个关于GANs的评论，但没有一个是基于他们在解决与计算机视觉相关的实际挑战方面的进展来考虑这一领域的现状的。因此，我们回顾并批判性地讨论了最流行的架构变体和损失变体GAN，以应对这些挑战。我们的目的是提供一个概述，以及一个关键的分析研究现状的相关进展的计算机视觉应用的关键需求。同时，我们还讨论了GANs在计算机视觉领域中最引人注目的应用，在这些应用中，GANs已经取得了相当大的成功，并对未来的研究方向提出了一些建议。在https://github.com/sheqi/gan_review上总结了与本工作所研究的GaN变体相关的代码。

SciDown文献求助系统（解决99%问题） Public Download ResearchGate