王晋宇，杨海涛，李高源，张长弓，冯博迪

1.航天工程大学 研究生院，北京101416

2.航天工程大学 航天信息学院，北京101416

深度学习于2012—2013 年在计算机视觉领域成为新的最优算法[1]。其最具有代表性的技术为卷积神经网络和反向传播算法，以此为基础在计算机视觉领域产生了重大的突破。图像生成算法是计算机视觉重要的研究方向之一，传统的生成算法主要有特征变换法[2]、玻尔兹曼机[3]、变分自编码器法[4-5]、近似推理马尔可夫链法[6-8]等，但是这类算法存在模型拟合简单、算法原理复杂的缺点。GAN作为在深度学习大发展背景下产生的数据生成算法，以其独特的双网络对抗思想在众多生成算法中脱颖而出，在2016 年Goodfellow 等提出GAN[9]以来，相关领域的论文发表数量呈指数级增长。图1 列出了在论坛统计的GAN每年的发文数量，可以看出对GAN的研究已经成为当前热门方向之一。

GAN 是一个应用性较强的算法体系，其衍生变体都围绕着高质量、多样性进行。发展历程目前经历了三个阶段：

图1 GAN发文统计

（1）探索阶段（2014—2016年）

这个阶段GAN 的算法刚开始被人们所接受，借助其思想衍生出不同的GAN 算法，如深度卷积式、条件式、金字塔生成式。但是生成效果普遍一般，不能部署于实际应用中，主要贡献在于为之后GAN 的发展奠定了基调。

（2）发展阶段（2016—2018年）

这个阶段是GAN 发展较为旺盛的时期，突出特点为算法原理风格迥异，模型结构各不相同，但大都取得了较好的效果。针对GAN 模型坍塌、梯度消失等问题进行了系统的探讨和研究。……