生成對抗網絡 (GAN)

生成對抗網絡（Generative Adversarial Network，縮寫為GAN）是一種生成式AI架構，由生成器（Generator）和判別器（Discriminator）兩個網絡通過對抗方式訓練。

工作原理：

• 生成器：創建假數據，試圖欺騙判別器
• 判別器：區分真實數據和生成數據
• 對抗訓練：兩者不斷競爭，共同提升

特點：

• 生成質量高，細節豐富
• 訓練不穩定，容易崩潰
• 需要大量訓練技巧

應用領域：

• 圖像生成（已被擴散模型 (擴散生成模型)取代主流地位）
• 圖像超解析度
• 風格遷移
• 數據增強

著名變種：

• DCGAN：深度卷積GAN
• StyleGAN：可控風格生成
• CycleGAN：無配對數據轉換

儘管在圖像生成領域被擴散模型超越，GAN在其他領域仍有重要應用。