GAN

用其发明者 Ian Goodfellow 自己的话来说，“生成对抗网络是一种生成模型（Generative Model），其背后基本思想是从训练库里获取很多训练样本，从而学习这些训练案例生成的概率分布。”

你可以理解为，在GANs中有两个模型：一个生成器，一个判别器。以图像为例，判别器的任务是判断给定图像是否看起来‘自然’，换句话说，判断图像是来自于原始样本，还是机器生成的。而生成器的任务就是生成看起来尽量‘自然’的图像，要求与原始的样本数据分布尽可能一致。生成器想要骗过判别器，判别器想要不上当。当两组模型不断训练，生成器不断生成新的结果进行尝试，它们的能力互相提高，直到生成器生成的样本看起来与原始样本没有区别。

在工业界的应用中，GANs 可以用来生成图片、提升图片分辨率、在图像中识别小物体、还原被部分遮挡的人脸等……