生成对抗网络GAN开山之作论文精读
学习路径
pix2pix 简笔画到现实画
输入随机噪声
枯叶蝶，造假币的例子
深度学习模型，端到端
不生成假数据，符合样本分布，不显式 计算
变分自编码器 生成模型
NCE ，PM算法
对抗样本
GAN修改网络，对抗样本修改输入图像
43:35
non-parametric limit
算法
可收敛性证明
技术优点和缺点
不能直接真正拟合数据分布，模式崩溃，不管输入怎样的噪声
生成器总生成一样的图像
研究方向
条件GAN，告诉他要生成什么类别
图像编辑
图像填充
超分图像
