gan十大缺点（人有多大胆GAN有多高产）

赖可 发自 凹非寺量子位 报道 | 公众号 QbitAI

GAN自从诞生以来，一路升级，功能越来越强。

这种强大的方法走过了怎样的进化之路？

GAN的诞生和构架

GAN诞生在2014年，Ian Goodfellow和他的同事发表了名为生成性对抗网络Generative Adversarial Nets的论文。

GAN的构架从此奠定。

它由生成器generators 和 判别器discriminators两部分组成，以无人监督的方式运行。

生成器抓取数据并产生新的合成样本，混入原始数据中，一起送给判别器，判别器区分哪些是原始数据，哪些是后来合成的。这一过程反复进行，直到判别器无法以超过50%准确度从合成样本中分辨出真实样本。

在实践中，GAN的构架也带来一些缺陷。

首先，同时训练生成器和判别器与生俱来的不稳定性。每次参数更新后，需要优化的问题性质都会发生变化，因此模型内部的参数值会振荡或不稳定。更严重的情况是，生成器崩溃，吐出一大堆看起来同类的样本。

其次，生成器和判别器还有互相压倒的风险。如果生成器太精确，就会去利用判别器的弱点钻空子，而不是靠生成更逼真的图片来欺骗判别器；如果判别器太精确，就会阻碍生成器的收敛过程。

最后，缺乏训练数据，也会影响到GAN在语义方面的发展，

不过，英特尔AI实验室的高级主管Hanlin Tang 表示，正在出现的新兴技术可以应对这些局限。他提出了两种方法，一是将多个判别器放入一个模型中，并根据特定数据进行微调。二是喂给判别器密集的嵌入表示，或者数据的数字表示。这样它们可以有更多的信息，来从中提取。

GAN的应用：从图片到语音

1、图像

GAN最有常见和有名的应用是合成以假乱真的图像。

比如英伟达的Style GAN，可以把人物B的脸部特征迁移到人物A上。

详细介绍可以戳：

这些假脸实在太逼真了！英伟达造出新一代GAN，生成壁纸级高清大图毫无破绽

除了人脸，还可以进行其它对象之间的迁移。卡内基·梅隆大学的科学家开发了出了Recycle-GAN ，它能把一个视频或照片的内容传到另一个上。

比如人脸和动画脸：

或者让一朵花模仿另一朵开的姿势：

2、视频

从图片前进一步，就是视频。Deepmind开发了DVD-GAN

原始数据集是从Youtube上收集的50万张10秒长的高分辨率视频，最终可以生成256 x 256像素视频，最长能有48帧。

3、音乐

除了可以来制作照片，GAN还可以用来作曲。

亚马逊的deepcomposer键盘的原理和GAN一致。

输入一个简单的旋律，生成器根据随机数据创建样本，判别器进行区分。两者反复改进，最终就会生成一段乐曲。

Demo试听可戳：1行代码就能跑个量子计算！AWS年度巨献：还有3种超牛硬件随你挑 | 狄拉克孙子点赞

4、语音

GAN在语音上的应用并不多，谷歌和帝国理工学院的研究者一起研发了GAN-TTS ，这个系统运用GAN，将文本转为自然真实的语音。

这个系统里有10个辨别器，一部分负责判别输出的语音和文本是否一致，另外一部分只关注语音是否真实自然。

5、检测垃圾评论

想解决网上有人用机器刷虚假评论的问题。有研究者开发 spamGAN来检测网上的垃圾评论。

spamFAN采用半监督学习的技术，其中将未标记的数据与少量标记的数据结合使用。

在使用10％的标记数据进行训练时，准确性达到了71％至86％。

GAN的未来：如何精细控制

尽管GAN已经取得了很多的进步，英特尔实验室的Hanlin Tang 表示，现在依旧处于早期。

GAN 仍然缺少非常精细的控制，这是一个很大的挑战。

在计算方面，也有研究人员尝试轻型模型。

IBM多模式算法和引擎小组的研究人员Youssef Mroueh正在和同事一起开发小型GAN，用来减少训练时间和内存使用。

它们想努力实现的是，如果生成器太精确，就会去利用判别器的弱点钻空子，而不是靠生成更逼真的图片来欺骗生成器；如果判别器太精确，就会阻碍生成器的收敛过程

如果不用那么多的计算量，不做那么多麻烦的事情，应该怎么改变模型。这就是他们现在努力的方向。

参考资料：https://venturebeat.com/2019/12/26/gan-generative-adversarial-network-explainer-ai-machine-learning/https://papers.nips.cc/paper/5423-generative-adversarial-nets.pdf

— 完 —

量子位 QbitAI · 头条号签约

关注我们，第一时间获知前沿科技动态

,