【干货】最新GAN教程，153PPT附代码

来源：专知

【导读】Sebastian Nowozin在机器学习夏季课程（MLSS 2018年9月）做了关于GAN的教学，153页PPT详尽的解释了GAN的发展脉络和最新进展，此外他所提供原版大小为286MB 的pptx中包含大量动画效果，对课程的理解很有帮助。

Sebastian Nowozin 是微软剑桥研究院首席研究员，专注于无监督于表示学习。他在 GAN 领域做了大量的工作，同时也是著名的 f-GAN 的作者。

在训练 GAN 方面似乎有两三个阵营：第一个当然就是 GAN 的发明 Ian Goodfellow 以及他所供职的 OpenAI 和谷歌的一帮研究人员；第二个强大的阵营也就是以这篇教程作者 Sebastian Nowozin 为代表的微软阵营；第三就是其他了。

 

此次教程主要有以下几个部分：

• 概率模型

• GANs 的几个示范应用

• 评价原则

• GAN 模型

• 差异性与 f-GAN 家族

• 基于积分概率度量 (IPM) 的 GAN: MMD

• 基于积分概率度量 (IPM) 的 GAN: Wasserstein GANs

• 问题与如何修正：模式崩溃 (modecollapse) 与不稳定性（Instability）

• 隐式模型

• 开放性研究问题

GAN 网络是近两年深度学习领域的新秀，一时风头无两。从计算机视觉顶会盛会 CVPR 2018 接受的论文统计就可见一斑：根据 Google Research 的研究科学家 Jordi Pont-Tuset 做的一个统计，它通过查看这些论文的类型，看到了未来深度学习的发展趋势。结果，他发现生成对抗网络（GAN）强势出击，大有取代 “深度学习”（Deep Learning）之势。

下面这张图展示了 CVPR 2018 的论文题目中，关键词 GAN、Deep，以及 LSTM 的对比：

在普通的 “深度学习” 走下坡路的同时，GAN 慢慢的成为新宠，统计显示有 8% 的论文标题中含有 GAN（这一数据相比 2017 年增长了 2 倍多）。

此外用尽字母表的各种 GAN 的变体 X-GAN 的论文数量也是急剧增加：

参考链接：

https://github.com/nowozin/mlss2018-madrid-gan

http://www.nowozin.net/sebastian/

附 PPT 全文：

（本文转载自公众号专知：Quan_Zhuanzhi，点击原文链接查看原文。）

高质量延伸阅读

☞ OpenPV平台发布在线的ParallelEye视觉任务挑战赛

☞【学界】第1届“智能车辆中的平行视觉”研讨会成功举行

☞【学界】生成式对抗网络：从生成数据到创造智能

☞【学界】OpenPV：中科院研究人员建立开源的平行视觉研究平台

☞【学界】基于平行视觉的特定场景下行人检测

☞【学界】ParallelEye：面向交通视觉研究构建的大规模虚拟图像集

☞【CFP】Virtual Images for Visual Artificial Intelligence

☞【最详尽的GAN介绍】王飞跃等：生成式对抗网络 GAN 的研究进展与展望

☞【智能自动化学科前沿讲习班第1期】王飞跃教授：生成式对抗网络GAN的研究进展与展望

☞【智能自动化学科前沿讲习班第1期】王坤峰副研究员：GAN与平行视觉

☞【重磅】平行将成为一种常态：从SimGAN获得CVPR 2017最佳论文奖说起

☞【平行讲坛】平行图像：图像生成的一个新型理论框架

☞【学界】基于生成对抗网络的低秩图像生成方法

☞【学界】Ian Goodfellow等人提出对抗重编程，让神经网络执行其他任务

☞【学界】六种GAN评估指标的综合评估实验，迈向定量评估GAN的重要一步

☞【资源】T2T：利用StackGAN和ProGAN从文本生成人脸

☞【学界】 CVPR 2018最佳论文作者亲笔解读：研究视觉任务关联性的Taskonomy

☞【业界】英特尔OpenVINO™工具包为创新智能视觉提供更多可能

☞【学界】ECCV 2018: 对抗深度学习: 鱼 (模型准确性) 与熊掌 (模型鲁棒性) 能否兼得