Generative Adversarial Networks

该模型由两个基础神经网络即生成器神经网络（Generator Neural Network） 和判别器神经网络（Discriminator Neural Network） 所组成，其中一个用于生成内容，另一个则用于判别生成的内容。 

GAN受博弈论中的零和博弈启发，将生成问题视作判别器和生成器这两个网络的对抗和博弈：

• 生成器从给定噪声中（一般是指均匀分布或者正态分布）产生合成数据
• 判别器分辨生成器的的输出和真实数据。

前者试图产生更接近真实的数据，相应地，后者试图更完美地分辨真实数据与生成数据。由此，两个网络在对抗中进步，在进步后继续对抗，由生成式网络得的数据也就越来越完美，逼近真实数据，从而可以生成想要得到的数据（图片、序列、视频等）。

应用：

1.Text to Image Generation：根据文字描述生成对应图像

Reference：https://arxiv.org/abs/1605.05396

2.Image to Image Translation：图像到图像的转化

Reference：https://arxiv.org/abs/1611.07004

3.Super resolution：图片/视频超分

Reference：https://arxiv.org/abs/1609.04802

4.Photo to Cartoon：人物/实景动漫化

5.Motion Driving：人脸表情动作迁移

6.Lip Sythesis：唇形动作合成

7.辅助自动驾驶

8.神经机器翻译