一文看懂生成对抗网络,生成式对抗网络

各路大神，能给推荐几本适合初学深度学习和神经网络的书吗？

你好，很高兴回答你的问题。有一定Python基础之后就开始开发定位是件好事！深度学习和神经网络这一块儿。我建议你大体了解其内容，然后分章节的在网络上搜各种的文章和视频来学习。年前一段时间本人也在学习神经网络这一块儿。发现对数学的要求比较高，各种高阶公式和矩阵算法，学习起来比较吃力！建议你去哔哩哔哩网站那上面搜索有关深度学习的一些视频。

生成对抗网络（GAN）的基本原理是什么？它有哪些实际应用？

我是差评的小编，我来回答这个问题~先说说概念——GAN，Generative Adversarial Network，生成对抗网络，一种新型的机器学习算法，最近特别火热，轻松让电脑自动生成图片。GAN 和以前的 AI 算法有啥不一样？举个栗子吧，在以前，人们想要培养一名能够模仿梵高的风格画师，于是就派小明去学习，小明每天磨炼自己的画技，人们设计了一个标准，专门用来鉴定小明的学习成果，如果合格了，小明就出师了。

这个普通 AI 算法。不过如果鉴定标准设计的不合理，那小明的画技水平很快就会露馅。现在呢，系统升级了，想要培养一名画师，要同时派两个人去学习，小明负责学习画画，小红则负责判断小明画的风格和梵高的风格之间的区别。在小明进步的同时，小红的鉴别能力也在提高，小红把哪里有问题告诉小明，小明继续改进。最后小红无论怎么提高，也分不出来哪个是小明的画，哪个是梵高的画，小明就出师了。

这套培养方法叫就叫 GAN，生成对抗网络，就是要小明和小红彼此在 PK 中成长，这样根本不用费劲心思去专门设计鉴定标准，效果贼拉好~2014 年 Ian Goodfellow 提出这个理论之后，学术圈马上就炸锅了。。人们以前想要训练合成一个狗的图片，非常难，人们要告诉系统非常多的条件，标记狗的各种特点。

有了这个技术，不仅原始的样本需要的少，不需要人工标记，而且训练的速度之快，远超别的算法。以前机器学习的速度是骑自行车，现在用了 GAN 就相当于坐了高铁。它有哪些实际应用？所有人都被这个算法迷住了，到现在，已经有很多非常出名的项目都用到了这个技术。。譬如。。今年年初的时候给大家介绍的神级换脸术，deepfakes，一个能把明星的脸合成到日本小短片的技术，里面最核心的换脸算法就是 GAN。

英伟达用 GAN 技术合成的明星脸，也是毫无破绽~这些脸都是被创造出来的谷歌更是把 GAN 技术推向极致，他们家的 BigGAN 生成的图片几乎可以以假乱真。。半个月前，拍卖的首个 GAN 创作的油画 《 Edmond de Belamy 》在佳士得拍出了43.25 万美元。。还有人打算把 GAN 移植到游戏中，这样每个人玩的游戏场景道具情节都可以随机形成，独一无二，想想都激动。

。其实啊，GAN 的理论早已在我们的实际生活中运用了很多年了。美味的食物料理，不就是努力进步的厨子与越来越挑剔的食客 “ GAN ” 的结果。和谐的交通，也是不想掏钱交罚款的司机与越来越严格的交通法规共同 “ GAN ” 出来的。你看，最近五星级宾馆杯子卫生问题，就是缺少 GAN 的思想，没有一个与卫生阿姨共同进步的监督小红，果然就在打扫过程中产生了松懈，一旦换一种鉴定标准（ 用摄像头拍摄 ），就漏了馅。

生成式对抗网络GAN有哪些最新的发展，可以实际应用到哪些场景中？

生成式对抗网络（GAN, Generative Adversarial Networks ）是一种深度学习模型，是近年来复杂分布上无监督学习最具前景的方法之一。模型通过框架中（至少）两个模块：生成模型（Generative Model）和判别模型（Discriminative Model）的互相博弈学习产生相当好的输出。

如何评价英伟达发布的GAN人工智能合成系统？会引发动漫游戏的画面变革吗？

在隔夜君看来，英伟达的这项技术一定能够给动漫游戏行业带来变更的，下面是详细的解读，希望能够帮助到你。留意下方图片底行的那一组人像，正在发生缓慢的转变过程---从银发白肤色的人种，变成了黑发黑肤色的人种。注意：左边独立出来的人像照片，就是通过右方的人像特征进行合并之后得到的。再来看看第二组人像变化，从黑肤色中长头发的人士，变成了白肤色短式头发。

第三组展示了不仅脸部骨骼，即使是肥瘦的外形都能够进行随心所欲的变更。甚至能够将一位成年的黑肤色美女，重新变回幼年时期的小萝莉呢。英伟达的这套GAN系统，是构建于AI深度学习的基础之上的，通过对海量的人像照片进行识别学习，最终就能够达到我们所看到的如此游刃有余的改造人像的效果。不过上面的操作依旧只是皮毛而已，下面就来看看更为精细化的操作吧，让你们知道这款名叫“GAN”的系统在细节操控上究竟达到了何等牛逼的程度。

接下来的演示将会把合成图像进行“特征区域”排布，使得每一板块都能够对应的控制人像的某一特征。比如coarse控制“姿势”“头发”“脸型”；middle控制“面部特征”“眼睛”；fine控制“色彩效果”。好了，马上看片---当我们试图改变控制“姿势”“头发”“脸型”特征的照片时，右边合成大图就从一位正面朝向我们的幼年小正太，变成了一位侧面对着我们的中年妇女了。

当我们将主控制特征的照片换成一位秃顶老年男人的时候，右边的合成照片又会从中年妇女变成英俊潇洒的中年男子。来看看第二个“面部特征”控制。当控制照片从中年女人变换成带着黑色墨镜男人的时候，右边合成照片就转变成了脸型臃肿的女士，饶有着富贵之相。而当主控照片换成类似于寡姐的金发女士头像的时候，右边的合成照片又会变成仿若某位好莱坞女明星的图样。

至于第三个“控制颜色”的特征。当左边的控制照片从黑头发，灰色背景换成浅灰头发，木色背景的照片时，右边的合成照片的色彩度也跟随变得浅白和暖了一点儿。当照片换成色调小清新萝莉的时候，右边的合成照片色调也同样得到了相对应的变幻，肤色从黄色皮肤变成了白皮肤。可以想见，只要英伟达愿意的话应当是能够继续将这些特征合成点进行细分的，从而就能够达到最为精准无比的合成操作了。

而且区别于过去所认知到的照片合成系统，英伟达的这一款技术可是能够被操作者观察到整个动态合成效果的，想来在未来的CG影视作品，亦或者游戏作品当中也能够得到很好的应用吧？除此之外，对于已经合成完毕的成品照片来说，也同样能够通过各项合成特征来进行修整微调，更进一步的为想要得到心中所想的完美容貌给予了技术上的支持。

从瘦削的微微龅牙容貌，变成脸颊微胖的白暂美女。亦或者从女性慢慢的拖拽演变成男士的外貌，通通都能够轻易实现。来看看一组更为直观的群像照吧，30张照片人物在不同的参数设定下，形态样貌通通都发生了极大的转变。正如英伟达在演示视频里头所说到的那样，只要通过对不同特征的强度控制，我们就能够随心所欲的获得最为完美的容貌形态，效用可谓是神乎其神了。

值得注意的是，这款名为“GAN”的AI合成软件可不仅仅能作用在人物形象呢，对于几乎一切的物体，比方说汽车，房屋，宠物等等都能够达到同样的效果。从小汽车的形态，颜色，到摆放的位置姿态，通通都能够通过系统参数来进行调节。车辆的品牌也同样如此，从类似于奔驰汽车的造型，最后变成了宝马汽车的外形。车身的颜色一样，从红色，变成金黄色，再从金黄色渐变成蓝色的外壳，要记住了，这其中并非只有三种颜色的转变，加上过度色彩的话这里面可是存在了至少几万种颜色可供操作者进行挑选呢。

怎样？这样一项基于人工智能的合成技术是否已经让你们觉察到“新世界被打开”的那一阵激灵呢？虽然目前的动画制作水准已经达到了前所未有的高度，迪士尼皮克斯的三维动画就不说了，就算是一直以来都被网友们诟病的国产动画也依旧能够达到让人惊艳的建模水准。比方说暑期大热的国产荧幕动画《风语咒》，在应用自主研发的曼陀罗引擎后，人物的面部表情就得到了极为生动的润色。

到了10月新番季，一部经由人气网文改编的国产动画《星辰变》，也同样给我们带来眼前一亮的视觉享受，看看下面秦羽老爸秦德的五官刻画和脸部动作的雕琢， 用惊世骇俗来形容应当一点儿也不过分吧？但真正距离现实成像依旧是有一大段距离的，而隔夜君认为，英伟达的这项技术或许就是让游戏动漫的人物设计突破这一最后次元壁垒的关键所在吧。

当然，就目前为止大伙看到的也只是静态图片的合成，距离需要实时演算的影视作品游戏动漫等等的应用程度还是有不少的距离。不过隔夜君一直以来都是相信科技爆炸发展的前景理论的，相信真正的落地应用也应当在可预见的短期未来内能够实现吧。所以，让我们一同期待那一天的到来吧。关注【隔夜说动漫】，一个有趣且有深度的动漫自媒体。