AnchorAI › Generative AI › Generative Models › GAN
GAN
Generative Adversarial Network
生成对抗网络
一句话理解
GAN 让生成器与判别器对抗训练，使生成器逐渐学会产生接近真实数据的样本。
一个学着生成，一个学着辨别。
最好理解的例子
生成器制造人脸，判别器同时看到真实人脸与生成人脸；训练让判别器更会区分来源，让生成器更会产生难以被区分的人脸。
核心机制
- 1
从简单分布采样噪声，由生成器产生样本。
- 2
用真实与生成样本训练判别器区分来源。
- 3
通过判别器的梯度更新生成器，交替训练两个网络。
- 4
生成新样本时通常只使用生成器。
相关术语
关键关系
快速对比
VAE 用重建目标与潜分布约束训练；GAN 从判别器获得对抗训练信号；扩散模型通常学习反向去噪过程。
常见误解
判别器不是固定的评分规则，也不负责生成图像。对抗训练可能不稳定，并可能出现只生成少数类型样本的模式坍塌。
知识邻域
AI → Generative AI → Generative Models