感觉顺序要调整下,先GAN再DCGAN再Diffusion
生成式对抗网络(GAN)是一种前沿的无监督学习模型,由Goodfellow在2014年提出。它包含生成器和判别器两个对抗组件:生成器负责创造逼真的假图像,判别器则判断图像真假。两者相互竞争,推动对方性能提升。训练中,生成器不断学习生成更高质量的假图像以欺骗判别器,而判别器则学习更准确地识别真假图像。理想状态下,当生成图像与真实图像分布一致时,判别器的判断准确率将达到随机水平。GAN的目标是通过这种对抗过程,使生成模型输出的数据分布接近真实数据分布,实现高质量的图像生成。尽管GAN在图像生成方面取得了巨大成功,但其训练过程复杂且存在稳定性挑战。