【每周GAN论文推荐】最经典与常见的GAN目标函数设计汇总
欢迎来到《每周CV论文推荐》。在这个专栏里，还是本着有三AI一贯的原则，专注于让大家能够系统性完成学习，所以我们推荐的文章也必定是同一主题的。
在对抗生成网络中，目标函数（损失函数）具有非常重要的作用，不同的目标函数决定了网络训练时不同的演化方向。本文将推荐常见的用于生成任务的目标函数设计相关论文。
作者&编辑 | 小米粥
编辑 | 言有三
1. GAN
GAN领域的开山之作，设计了一种新颖且有效的生成模型，扩展了生成模型的范畴。若要深入理解对抗学习、JS散度估计等技术之间的联系，这篇论文不可不读。
文章引用量：4.9w+
推荐指数：✦✦✦✦✦
[1] Goodfellow I J, Pouget-Abadie J, Mirza M, et al. Generative Adversarial Networks[J]. arXiv preprint arXiv:1406.2661, 2014.
2. fGAN
fGAN使用抽象度更高的f散度来设计GAN的目标函数，其囊括了KL散度、JS散度等多种距离度量方式，将原始GAN，LSGAN，EBGAN等归纳到统一的框架中。
文章引用量：1000+
推荐指数：✦✦✦✦✧
[2] Nowozin S, Cseke B, Tomioka R. f-gan: Training generative neural samplers using variational divergence minimization[J]. Advances in neural information processing systems, 2016, 29.
3. LSGAN
LSGAN设计了一种简洁的目标函数，在一定程度上缓解了GAN梯度消失的问题，降低了训练难度。
文章引用量：3800+
推荐指数：✦✦✦✧✧
[3] Mao X, Li Q, Xie H, et al. Least squares generative adversarial networks[C]//Proceedings of the IEEE international conference on computer vision. 2017: 2794-2802
4. WGAN
WGAN是具有里程碑意义的工作，其在目标函数设计上，使用了数学性质更优越的Wasserstein距离进行度量学习，有效提升了训练成功率和生成效果。WGAN的目标函数中具有一个难以解决的Lipschitz限制问题，WGAN-GP通过在目标函数中添加额外的正则项，近似满足了该限制。
文章引用量：1000+
推荐指数：✦✦✦✦✦
[4] Arjovsky M, Chintala S, Bottou L. Wasserstein GAN[J]. arXiv preprint arXiv:1701.07875, 2017.
[5] Gulrajani I, Ahmed F, Arjovsky M, et al. Improved Training of Wasserstein GANs[J]. arXiv preprint arXiv:1704.00028, 2017.
5. EBGAN
EBGAN是一种将能量模型应用到GAN上的成功尝试，其中判别器利用编码器、解码器和MSE的组合实现了能量场，总体的目标函数设计参考了物理学中能量最小原理。
文章引用量：1000+
推荐指数：✦✦✦✧✧
[6] Zhao J, Mathieu M, LeCun Y. Energy-based generative adversarial network[J]. arXiv preprint arXiv:1609.03126, 2016.
6. Relativistic GAN
Relativistic GAN首先设计了同时接受真/假两类样本作为输入的判别器，从而使模型能进行相对真假的判断，其目标函数的设计对后续诸多GAN的设计具有启发意义。
文章引用量：700+
推荐指数：✦✦✦✧✧
[7] Jolicoeur-Martineau A.The relativistic discriminator: a key element missing from standard GAN[J]. arXiv preprint arXiv:1807.00734, 2018.
5 如何进行实战
为了帮助大家掌握基于GAN相关的理论与实战！我们推出了相关的专栏课程《深度学习之图像生成GAN：理论与实践》，《深度学习之图像翻译GAN：理论与实践》，感兴趣可以进一步阅读：
【视频课】CV必学，超6小时，2大模块，循序渐进地搞懂GAN图像生成！
【视频课】CV必学，超7小时，3大模块，3大案例，掌握图像翻译与风格化GAN核心技术！
总结
本次我们介绍了基于GAN的常见的优化目标，这是生成对抗网络中非常基础和核心的内容，大家可以通过阅读这些文章进行初步了解。
有三AI—CV夏季划
如果想要系统性地从零进阶计算机视觉，彻底掌握好CV的重要方向，同时提升模型设计与优化的工程代码经验，拥有计算机视觉相关岗位的就业能力，请关注有三AI-CV夏季划，阅读了解下文：
【CV夏季划】2022年正式入夏，从理论到实践，如何系统性进阶CV？（产学研一体的超硬核培养方式）
转载文章请后台联系
侵权必究
往期精选
【每周CV论文推荐】 掌握残差网络必读的10多篇文章
【每周CV论文推荐】 初学者必须精读的5篇深度学习优化相关文章
【每周CV论文推荐】 CV领域中数据增强相关的论文推荐
【每周CV论文推荐】 初学高效率CNN模型设计应该读的文章
【每周CV论文推荐】 初学目标检测必须要读的文章
【每周CV论文推荐】 初学深度学习图像分割必须要读的文章
【每周CV论文】初学实例分割需要读哪些文章？
【每周CV论文推荐】 初学GAN必须要读的文章
【每周CV论文推荐】 深度学习人脸检测入门必读文章
【每周CV论文推荐】 初学深度学习人脸关键点检测必读文章
【每周CV论文推荐】 初学深度学习人脸识别和验证必读文章
【每周CV论文推荐】 初学深度学习人脸属性分析必读的文章
【每周CV论文推荐】 初学活体检测与伪造人脸检测必读的文章
【每周CV论文推荐】 初学深度学习单张图像三维人脸重建需要读的文章
【每周CV论文推荐】 人脸识别剩下的难题：从遮挡，年龄，姿态，妆造到亲属关系，人脸攻击
【每周CV论文推荐】换脸算法都有哪些经典的思路？
【每周CV论文推荐】初学人脸属性编辑都有哪些值得阅读的论文？
【每周CV论文】深度学习文本检测与识别入门必读文章
【每周CV论文】深度学习图像降噪应该从阅读哪些文章开始
【每周CV论文】初学GAN图像风格化必须要读的文章
【每周CV论文】初学深度学习图像超分辨应该要读的文章
【每周CV论文】初学深度学习图像对比度增强应该要读的文章
【每周CV论文】初学深度学习图像修复应该要读的文章
【每周CV论文】初学深度学习图像风格化要读的文章
【每周CV论文推荐】初学模型可视化分析有哪些值得阅读的论文？
【每周CV论文推荐】GAN与VAE的结合，有哪些必读的论文？
【每周CV论文推荐】初学视频分类与行为识别有哪些值得阅读的论文？
【每周CV论文推荐】初学视觉注意力机制有哪些值得阅读的论文？
【每周CV论文推荐】StyleGAN人脸属性编辑有哪些经典论文需要阅读
【每周CV论文推荐】初学基于GAN的视频生成有哪些经典论文需要阅读
【每周CV论文推荐】初学基于GAN的三维图像生成有哪些经典论文需要阅读
【每周CV论文推荐】基于GAN的图像数据增强有哪些经典论文值得阅读
【每周CV论文推荐】GAN如何用于目标检测模型提升性能？
【每周CV论文推荐】GAN如何用于图像分割模型提升性能？