「DL」 GAN 模型汇总
1 模型总结
| 主题 | 方向 | 模型 |
|---|---|---|
| Loss | f-divergence | GAN, f-GAN, LSGAN |
| Loss | IPM | WGAN, WGAN-GP, FISHER GAN, McGAN, MMDGAN |
| 结构 | DCGAN | DCGAN |
| 结构 | 层次结构 | StackedGAN, GoGAN, ProgressiveGAN |
| 结构 | 自编码 | BEGAN, EBGAN, MAGAN |
| 难题 | 理论 | Towards Principled Methods for Training GANs, Generalization and Equilibrium in GANs |
| 难题 | 模式崩溃 | MRGAN, DRAGAN, MAD-GAN, Unrolled GAN |
| 隐空间 | 解耦 | CGAN, ACGAN, InfoGAN, ss-InfoGAN |
| 隐空间 | 自编码 | ALI, BiGAN, Adversarial Generator-Encoder Networks |
| 隐空间 | VAE | VAEGAN, $\alpha$-GAN |
2 常见的 GAN
| 模型 | 生成器 | 判别器 | 约束 |
|---|---|---|---|
| WGAN-CP | ReLU MLP | ReLU MLP | 梯度惩罚 |
| BEGAN | Discriminator decoder | 自编码（ELU CNN） | 平衡策略 |
| ACGAN | 转置 ReLU CNN | Leaky ReLU CNN | 分类损失 |
| SeqGAN | LSTM | ReLU CNN | 策略梯度下降 |
| DANN | ReLU CNN | ReLU MLP | 分类损失，梯度反转层 |
Comments