GAN的研究和应用在这几年发展可以说是非常迅猛，无疑是这几年深度学习计算机视觉领域里落地性最酷的技术，包括图像与视频生成，数据仿真与增强，各种各样的图像风格化任务，人脸与人体图像编辑，图像质量提升等。

GAN最早期也是最经典的任务，就是高质量图像生成，当前已经可以生成1024分辨率以上的高清逼真图像，如下图生成了一些假明星脸。

图像翻译与风格化则是另外一个应用极其广泛的领域，因为从图像到图像的任务都可以称之为图像翻译任务，如经典的图像分割/边缘检测，图像超分辨率/图像风格化。随着生成对抗网络技术的成熟，我们可以将其用于各类图像翻译任务，常见的包括黑白图像上色，线稿上色，风格迁移，人脸风格化等任务。

如今基于GAN还可以实现一些非常有趣的应用，比如人脸的各种属性编辑。

最新的人脸换脸等技术被广泛应用于影视剧内容创作，如网络电视剧《风声》中周一围换脸赵立新。

纵观整个CV领域，做GAN算法的从业者其实非常少，做得好的就更少了，下面是比较典型的对GAN方向的岗位需求。

学好GAN算法，对于计算机视觉领域从业，自然是不会错的。我们公众号输出过非常多的GAN相关资源，本次做一个简单汇总，平台已有的GAN资源包括几十篇理论与实战技术文章，免费与付费的视频课，知识星球中的GAN模型原理解读专题。

GAN的理论文章

2019年起，小米粥同学开设过专栏《GAN的优化》，主讲了GAN相关的基础理论。本专栏及其后续内容有超过15篇文章，从生成模型出发，讲述了GAN的基本理论，包括工作原理，更具有普适性的f散度度量和Wasserstein距离，以及IPM框架；接着介绍了GAN训练困难的原因以及几个训练技巧，各种GAN的正则项的优劣；GAN中的模式崩溃问题以及几个比较好的解决方案。

文章链接为：

【完结】12篇GAN的优化文章大盘点，浓浓的数学味儿

【GAN优化】长文综述解读如何定量评价生成对抗网络(GAN)

【GAN优化外篇】详解生成模型VAE的数学原理

【生成模型】关于无监督生成模型，你必须知道的基础

【生成模型】极大似然估计，你必须掌握的概率模型

【生成模型】解读显式生成模型之完全可见置信网络FVBN

【生成模型】简述概率密度函数可处理流模型

【生成模型】浅析玻尔兹曼机的原理和实践

GAN公开视频

2021年初有三在阿里云上开设了免费视频课程《深度学习原理与实践》，其中讲解了GAN的基础理论和简单实践，一共有9期内容，如下：

完整的内容包括生成模型基础，自编码器与变分自编码器，生成对抗网络基础，GAN优化目标设计与改进，数据生成GAN结构与应用，图像翻译GAN结构与应用，GAN的评估，DCGAN图像生成实践……

相关文章请阅读：

【阿里云课程】深度生成模型基础，自编码器与变分自编码器

【阿里云课程】生成模型之GAN原理与优化基础

【阿里云课程】生成模型之GAN优化目标设计与改进

【阿里云课程】如何从零开始完成第一个GAN项目

【阿里云课程】数据生成GAN的模型结构与应用

【阿里云课程】图像翻译GAN结构与应用

【阿里云课程】如何定量评估你的GAN模型

【阿里云课程】如何基于GAN完成人脸图像超分辨任务

GAN实战图文专栏

实战更是硬道理，show me the code！为了让大家能够从理论和实践同时掌握好GAN模型，我们公众号也开设了《百战GAN》的实战专栏。

本专栏挑选经典GAN模型进行原理讲解，代码剖析，完成模型训练与测试，已有的内容包括图像生成，图像分割，图像增强，图像风格化，图像超分辨等领域，欢迎大家进行投稿。

相关文章请阅读：

【百战GAN】适合所有人的第一个GAN项目：DCGAN图像生成代码实战

【百战GAN】自动增强图像对比度和颜色美感，GAN如何做？

【百战GAN】GAN也可以拿来做图像分割，看起来效果还不错？

【百战GAN】如何使用GAN给黑白老照片上色？

【百战GAN】StyleGAN原理详解与人脸图像生成代码实战

【百战GAN】StyleGAN人脸属性（表情年龄性别）编辑代码实战

【百战GAN】羡慕别人的美妆？那就用GAN复制粘贴过来

【百战GAN】定制属于二次元宅们的专属动漫头像，这款GAN正好！

【百战GAN】SRGAN人脸低分辨率老照片修复代码实战

有三AI知识星球-GAN板块

有三AI知识星球是我们公众号内容的升级，包含更多更新技术的图文解读（注意星球是一个图文知识社区），关于星球的介绍如下。

【杂谈】有三AI知识星球指导手册出炉！和公众号相比又有哪些内容？

知识星球中一个非常重要的模块就是GAN，内有超过100期经典GAN模型的解读，下面是其中一些重要模块的归类预览。

星球里的学习方式为提供论文下载+论文解读，如下：

细分到各个方向，包括图像与语音生成GAN，图像分割与目标检测GAN，图像编辑与创作GAN，图像翻译/风格化GAN，图像增强GAN，人脸与人体GAN，以及其他各领域未明确归类的GAN。

(1) 图像与语音生成GAN。

内容覆盖基本的GAN模型（从DCGAN到SAGAN），条件GAN（CGAN等），多尺度GAN模型（从LAPGAN到StyleGAN），与VAE的结合（ALI等），图像增强与仿真GAN（从BAGAN到SimGAN），多判别器与生成器GAN（从TripleGAN到MAD-GAN），三维GAN（VON）等，视频GAN（从MocoGAN到MDGAN等）。

(2) 图像翻译/风格化GAN。

内容包括有监督的图像翻译GAN（从Pix2pix到Pix2pixHD）与无监督的图像翻译GAN。其中无监督的图像翻译GAN是重点，介绍各类基本模型（UNIT，CycleGAN等），多域拓展（从MUNIT到StarGAN），以及各类应用（Whitebox GAN等）。

(3) 图像增强GAN。

内容包括GAN在各类图像增强任务中的应用，包括图像降噪（GCBD等），对比度增强（EnhanceGAN等），超分辨（从SRGAN到Cycle in Cycle GAN），图像修复（从CE到ARGAN等），图像去模糊（从DeblurGAN到DBGAN等）。

(4) 人脸人体GAN。

内容包括GAN在人脸人体生成与编辑中的各类应用，包括人脸风格化（UGATIT等），人脸妆造（BeautyGAN等），年龄编辑（CAAE等），表情编辑（G2GAN等），姿态编辑（FFGAN等），关键点检测（Boundary-aware GAN等），人脸补全（Face De-occusion GAN等），人脸识别（Dual Agent GAN等），人脸超分辨（Pulse等），人脸修复（Old Photo Restore GAN等），人脸驱动（ReenactGAN等），通用人脸属性编辑（StyleGAN及其变种），姿态迁移（Everybody Dance GAN等），人脸换装（VITON等）。

(5) 图像分割与目标检测GAN。

内容包括GAN在图像分割与目标检测等经典任务中的应用，包括分割GAN（从SegGAN到Background Matting），检测GAN（从FindFaceTinyGAN到Perceptual GAN）。

如果你想学习相关内容，欢迎扫码加入有三AI知识星球：

当然，需要提醒大家的是，知识星球是我们的高阶社区，里面不会涉及很基本的内容。诸如图像分类，图像分割，目标检测的一些基本的模型解读，请大家移步我们的视频专栏进行学习。

其他文章

其他还有一些杂谈类的文章，比如GAN在人脸各个方向，在图像质量提升各个方向的应用等，不再一一介绍，可阅读如下：

文章链接为：

【模型解读】历数GAN的5大基本结构

【每周CV论文推荐】 初学GAN必须要读的文章

【杂谈】GAN对人脸图像算法产生了哪些影响？

【GAN】如何生动有趣地对GAN进行可视化？Google的GAN Lab推荐你了解一下

【杂谈】那些底层的图像处理问题中，GAN能有什么作为？

【杂谈】除了生成图像(造假)，GAN如何给目标检测，图像分割，图像增强等问题打辅助？

【杂谈】一本书同时学分类，检测，分割，三维重建，GAN，难道它不香吗？文末送两本

【杂谈】GAN最成功的3个商业化落地领域，你是否了解过？

【总结】超100期经典GAN模型的解读，从结构设计到应用，你不动心吗？

GAN专栏视频

为了在最大程度上让大家掌握好GAN各类模型理论和应用，我们也推出了GAN的一些理论与实战专栏，已经基本完结的包括《深度学习之图像生成GAN：理论实践篇》，《深度学习之图像翻译GAN：理论实践篇》。

子欲学GAN算法，必先从图像生成开始！这就是《深度学习之图像生成GAN：理论实践篇》期望帮大家搞定的问题！

本课程内容包括图像生成的各个经典算法与实践，时长超过5个小时：

(1) 理论部分。详细解读了基本的卷积GAN，各类条件生成GAN，强大的StyleGAN系列，数据增强与仿真GAN，后续还会增加3D与视频的部分内容，既有足够的宽度，也具备有足够的深度。

(2) 实践部分。本次课程中一共已经包含了2个Pytorch实战案例，分别为DCGAN人脸嘴唇表情生成任务，StyleGAN人脸图像生成任务，后续还会增加3D与视频部分的实践内容，部分案例效果如下：

完整的介绍，请阅读：【视频课】CV必学，超6小时，2大模块，循序渐进地搞懂GAN图像生成！

图像翻译与风格化是GAN应用最为广泛的领域，《深度学习之图像翻译GAN-理论实践篇》专栏课程就是为此服务。

课程讲解图像翻译核心领域的算法与实践，当前时长约7个小时，理论讲解详细，案例丰富，下面是当前课程的大纲脑图：

(1) 理论部分：涵盖了深度学习之图像翻译的核心方向，如有监督图像翻译模型，无监督图像翻译模型，多域图像翻译模型。我们会非常详细地讲解算法中的细节，帮助彻底消化算法原理；并且后续还会有更多模型的更新。

(2) 实践部分：本次课程中一共已经包含了3个实践案例，分别为基于Pix2Pix的黑白图像上色实战，基于StarGAN的人脸表情编辑实战，基于BeautyGAN的人脸美妆实战，后续还会增加其他方向的实战，部分案例结果图如下：

完整的课程介绍，请阅读：【视频课】重磅GAN课程上新，掌握图像翻译与风格化核心技术！

另外，我们今年还出了许多GAN相关的实战课程，下面是当前已有课程的简单汇总。

介绍可阅读：【项目实战课】基于Pytorch的StyleGAN人脸属性（表情、年龄、性别）编辑实战

介绍可阅读：【项目实战课】基于Pytorch的StyleGAN v1人脸图像生成实战

介绍可阅读：【项目实战课】基于Pytorch的StarGAN人脸表情编辑实战

介绍可阅读：【项目实战课】基于Pytorch的UGATIT人脸动漫风格化实战

介绍可阅读：【项目实战课】基于Pytorch的BeautyGAN人脸智能美妆实战

介绍可阅读：【项目实战课】基于Pytorch的Pix2Pix黑白图片上色实战

介绍可阅读：【项目实战课】基于Pytorch的SRGAN图像超分辨实战

介绍可阅读：【项目实战课】基于Pytorch的DCGAN人脸嘴部表情图像生成实战

如果想要一次性获取所有GAN相关的内容，请了解2022年有三AI-CV秋季划GAN组：【CV秋季划】生成对抗网络GAN有哪些研究和应用，如何循序渐进地学习好（2022年言有三一对一辅导）？

最后，欢迎大家来我们平台投稿原创的技术专栏，申请开设相关实战类课程。

转载文章请后台联系

侵权必究

• 【CV夏季划】2022年正式入夏，从理论到实践，如何系统性进阶CV？（产学研一体的超硬核培养方式）

• 【总结】最专业最系统的CV内容，有三AI所有免费与付费的计算机视觉课程汇总（2022年6月）

• 【项目实战课】快速上手目标检测任务，MMdetection框架详细解读与案例实战

• 【项目实战课】基于Pytorch的CNN_LSTM视频分类与行为识别实战

• 【项目实战课】基于Pytorch的3DCNN视频分类与行为识别实战

• 【项目实战课】基于Pytorch的SlowFast模型视频分类与行为识别实战

• 【项目实战课】基于Pytorch的MTCNN与Centerloss人脸识别实战

• 【项目实战课】基于Pytorch的RetinaFace人脸与关键点检测实战

• 【项目实战课】基于Pytorch的PFLD人脸关键点检测实战

• 【项目实战课】基于Pytorch的Pix2Pix黑白图片上色实战

• 【项目实战课】基于Pytorch的StyleGAN v1人脸图像生成实战

• 【项目实战课】基于Pytorch的StyleGAN人脸属性（表情、年龄、性别）编辑实战

• 【项目实战课】基于Pytorch的BeautyGAN人脸智能美妆实战

• 【项目实战课】基于Pytorch的UGATIT人脸动漫风格化实战

• 【项目实战课】基于Pytorch的SRGAN图像超分辨实战

• 【项目实战课】基于Pytorch的DCGAN人脸嘴部表情图像生成实战

• 【项目实战课】基于Pytorch的BiseNet表面缺陷分割实战

• 【项目实战课】基于Pytorch的Semantic_Human_Matting（人像软分割）实战

• 【项目实战课】基于Pytorch的SiameseFC通用目标跟踪实战

• 【项目实战课】基于Pytorch的稀疏约束结构化模型剪枝实战

• 【项目实战课】基于ncnn框架与KL散度的8bit对称模型量化与推理实战

• 【项目实战课】微信小程序图像识别模型前后端部署实战

• 【项目实战课】从零掌握安卓端Pytorch原生深度学习模型部署

• 【项目实战课】基于ResNet的生活用品多标签图像分类实战

• 【项目实战课】基于Pytorch的EfficientNet血红细胞分类竞赛实战

• 【项目实战课】基于Pytorch的的SENet人种图像分类实战

• 【项目实战课】基于Pytorch的InceptionNet花卉图像分类实战

• 【项目实战课】人人免费可学！基于Pytorch的图像分类简单任务数据增强实战

• 【项目实战课】人人免费可学，基于Pytorch的BCNN鸟类细粒度图像分类实战

• 【项目实战课】人人免费可学，基于ResNet的生活垃圾图像分类实战

• 【项目实战课】人人免费可学！基于Pytorch的SimpleNet嘴唇图像分割实战

• 【项目实战课】AI零基础，人人免费可学！基于Pytorch的SimpleNet人脸表情识别实战

• 【项目实战课】基于LCF-ATEPC的属性级情感分析实战

• 【项目实战课】基于Bert的事件抽取实战

• 【项目实战课】基于transformer的关系抽取实战

• 【项目实战课】基于Seq2Seq与Attention的机器翻译实战

• 【项目实战课】基于BiLSTM+CRF的命名实体识别实战

• 【项目实战课】基于HuggingFace的Bert情感分析实战

• 【项目实战课】基于 TextRank 的⽂本摘要抽取实战

• 【项目实战课】NLP入门第1课，人人免费可学，基于TextCNN的新闻文本分类实战