生成对抗网络（GAN）是由生成器与判别器对抗训练、逼近真实数据分布的生成模型，2014年由Ian Goodfellow提出，核心构成包括图像生成、风格模仿、视频合成与数据增强，解决的是图像与艺术内容生成、训练样本不足的问题，并不解决训练不稳定与深度伪造滥用带来的伦理风险。
- 生成逼真图像：你见过AI画的人脸吗？像ThisPersonDoesNotExist.com上的照片，全是GAN生成的，完全看不出是假的。
- 艺术创作：GAN能模仿梵高的画风，把你的自拍变成油画，或者生成全新的艺术作品。
- 视频与动画：GAN可以生成流畅的假视频，比如让老照片里的人“动起来”，甚至伪造名人演讲（Deepfake就是例子）。
- 数据增强：在医学领域，GAN能生成更多X光片样本，帮助训练诊断AI，解决数据不足的问题。
- 游戏设计：GAN能自动生成游戏场景、角色皮肤，省下设计师的大量时间。
举个例子：NVIDIA的StyleGAN能生成高清人脸，你可以调参数改变发型、年龄甚至表情，像是玩“捏脸”游戏，但结果逼真得吓人。
明：本文来自网络，版权归作者所有。文章内容仅代表作者独立观点，不代表数字化转型网立场，转载目的在于传递更多信息。如有侵权，请联系我们。
