【综述】生成式对抗网络(GANs)最新2020综述:挑战、解决方案和未来方向，Generative Adversarial Networks (GANs): Challenges, Solutions, and Future Directions

题目： Generative Adversarial Networks (GANs): Challenges, Solutions, and Future Directions

简介：

生成对抗网络（GANs）是一类新型的深度生成模型，最近受到了广泛的关注。 GAN隐式地学习图像，音频和数据上的复杂和高维分布。然而，由于网络架构的不适当设计，目标函数的使用和优化算法的选择，在GAN的训练中存在主要挑战，即模式崩溃，不收敛和不稳定性。最近，为了解决这些挑战，已经基于重新设计的网络体系结构，新的目标函数和替代的优化算法，研究了几种用于GAN更好设计和优化的解决方案。据我们所知，没有现有的调查特别关注这些解决方案的广泛而系统的开发。在这项研究中，我们对为解决GAN挑战而提出的GAN设计和优化解决方案的进步进行了全面的调查。我们首先确定每种设计和优化技术中的关键研究问题，然后提出一种新的分类法，以根据关键研究问题构建解决方案。根据分类法，我们对每种解决方案中提出的不同GAN变体及其关系进行了详细讨论。最后，基于所获得的见解，我们提出了这个快速发展领域中充满希望的研究方向。