生成對抗網絡（GANs ）為什么這么火？盤點它誕生以來的主要技術進展

本文作者：三川

2016-12-27 22:23

導語：生成對抗網絡 2014-2016 的里程碑研究

兩年前，蒙特利爾大學 Ian Goodfellow 等學者提出“生成對抗網絡”（Generative Adversarial Networks，GANs）的概念，并逐漸引起 AI 業內人士的注意。其實，直到 2015 年，生成對抗網絡還稱不上是炙手可熱。但自今年（2016）以來，學界、業界對 GANs 的興趣出現“井噴”：

多篇重磅論文陸續發表；
Facebook、Open AI 等 AI 業界巨頭也加入對 GANs 的研究；
它成為今年 12 月 NIPS 大會當之無愧的明星——在會議大綱中被提到逾 170 次；
GANs之父” Ian Goodfellow 被公推為人工智能的頂級專家；
業內另一位大牛 Yan Lecun 也對它交口稱贊，稱其為“20 年來機器學習領域最酷的想法”。

現在，雷鋒網獲得消息，就連蘋果也跳上了 GANs 的彩車：蘋果有史以來第一篇公開發表的 AI 論文，講的是如何更好地利用 GANs，來訓練 AI 圖像識別能力。這是繼蘋果本月初在 NIPS 大會上宣布“將對外公布 AI 研究成果”之后，為兌現諾言做出的行動。

那么，GANs 是如何從一個原本“不溫不火”的技術，成為今天人工智能的主要課題之一？

雷鋒網對此進行了梳理，歸納了 GANs 從誕生到現在如何一步步走向技術成熟。以下是它發展路線中的大事件（主要研究進展）：

1. GANs 誕生

生成對抗網絡（GANs ）為什么這么火？盤點它誕生以來的主要技術進展

Ian Goodfellow

2014 年 6 月，Ian Goodfellow 等學者發表了論文《Generative Adversarial Nets》，題目即“生成對抗網絡”，這標志著 GANs 的誕生。文中，Ian Goodfellow 等作者詳細介紹了 GANs 的原理，它的優點，以及在圖像生成方面的應用。

那么，什么是 GANs？

用 Ian Goodfellow 自己的話來說：

“生成對抗網絡是一種生成模型（Generative Model），其背后基本思想是從訓練庫里獲取很多訓練樣本，從而學習這些訓練案例生成的概率分布。

而實現的方法，是讓兩個網絡相互競爭，‘玩一個游戲’。其中一個叫做生成器網絡（ Generator Network），它不斷捕捉訓練庫里真實圖片的概率分布，將輸入的隨機噪聲（Random Noise）轉變成新的樣本（也就是假數據）。另一個叫做判別器網絡（Discriminator Network），它可以同時觀察真實和假造的數據，判斷這個數據到底是不是真的?！?/p>

對不熟悉 GANs 的讀者，這番解釋或許有些晦澀。因此，雷鋒網特地找來 AI 博主 Adit Deshpande 的解釋，更加清楚直白：

“GANs 的基本原理是它有兩個模型：一個生成器，一個判別器。判別器的任務是判斷給定圖像是否看起來‘自然’，換句話說，是否像是人為（機器）生成的。而生成器的任務是，顧名思義，生成看起來‘自然’的圖像，要求與原始數據分布盡可能一致。

GANs 的運作方式可被看作是兩名玩家之間的零和游戲。原論文的類比是，生成器就像一支造假幣的團伙，試圖用假幣蒙混過關。而判別器就像是警察，目標是檢查出假幣。生成器想要騙過判別器，判別器想要不上當。當兩組模型不斷訓練，生成器不斷生成新的結果進行嘗試，它們的能力互相提高，直到生成器生成的人造樣本看起來與原始樣本沒有區別。”

更多“什么是 GANs ？”的詳細解說，請參考雷鋒網整理的 Ian Goodfellow NIPS 大會 ppt 演講，Yan Lecun 演講，以及香港理工大學博士生李嫣然的 “GANs 最新進展”特約稿。

早期的 GANs 模型有許多問題。Yan Lecun 指出，其中一項主要缺陷是：GANs 不穩定，有時候它永遠不會開始學習，或者生成我們認為合格的輸出。這需要之后的研究一步步解決。

2. 拉普拉斯金字塔（Laplacian Pyrami）的應用

GANs 最重要的應用之一，是生成看起來‘自然’的圖像，這要求對生成器的充分訓練。以下是 Ian Goodfellow 等人的 2014 年論文中，生成器輸出的樣本：

生成對抗網絡（GANs ）為什么這么火？盤點它誕生以來的主要技術進展

可以看出，生成器在生成數字和人臉圖像方面做得不錯。但是，使用 CIFAR-10 數據庫生成的風景、動物圖片十分模糊。這是 GANs 早期的主要局限之一。

2015 年 6 月 Emily Denton 等人發表的研究《Deep Generative Image Models using Lapalacian Pyramid of Adversarial Networks》（“深度圖像生成模型：在對抗網絡應用拉普拉斯金字塔”）改變了這一點。研究人員提出，用一系列的卷積神經網絡（CNN）連續生成清晰度不斷提高的圖像，能最終得到高分辨率圖像。該模型被稱為 LAPGANs 。

其中的拉普拉斯金字塔，是指同一幅圖像在不同分辨率下的一系列過濾圖片。與此前 GAN 架構的區別是：傳統的 GAN 只有一個生成器 CNN，負責生成整幅圖像；而在拉普拉斯金字塔結構中，金字塔的每一層（某特定分辨率），都有一個關聯的 CNN。每一個 CNN 都會生成比上一層 CNN 更加清晰的圖像輸出，然后把該輸出作為下一層的輸入。這樣連續對圖片進行升采樣，每一步圖像的清晰度都有提升。

生成對抗網絡（GANs ）為什么這么火？盤點它誕生以來的主要技術進展

拉普拉斯金字塔結構圖像生成示意

這產生了一個新概念：有條件生成對抗網絡（conditional GAN，CGAN)，指的是它有多個輸入：低分辨率圖片和噪音矢量。該研究生成的高質量圖片，在 40% 的情況下被真人裁判當做真實圖像。

對該研究的意義，李嫣然評論道：它將 GAN 的學習過程變成了“序列式” 的——不要讓 GAN 一次學完全部的數據，而是讓 GAN 一步步完成這個學習過程。

3. 利用 GANs 把文字轉化為圖像

把文字轉化為圖像，比起把圖像轉為文字（讓 AI 用文字概括、描述圖像）要難得多。一方面是近乎無限的像素排列方式；另一方面，目前沒人知道如何把它分解，比如像（圖像轉為文字任務中）預測下一個詞那樣。

2016 年 6 月，論文《Generative Adversarial Text to Image Synthesis》（“GANs 文字到圖像的合成”）問世。它介紹了如何通過 GANs 進行從文字到圖像的轉化。比方說，若神經網絡的輸入是“粉色花瓣的花”，輸出就會是一個包含了這些要素的圖像。該任務包含兩個部分：1. 利用自然語言處理來理解輸入中的描述。2. 生成網絡輸出一個準確、自然的圖像，對文字進行表達。

為實現這些目標，生成器和判別器都使用了文字編碼技術：通過循環文字編碼器（recurrent text encoder）生成的文字屬性，來作為條件對 GAN 進行訓練（詳情參考論文）。這使得 GAN 能夠在輸入的文字描述和輸出圖像之間建立相關性聯系。

生成對抗網絡（GANs ）為什么這么火？盤點它誕生以來的主要技術進展

原理示意

該任務中，GAN 其實完成了兩件任務：1.生成自然、說得過去的圖像；2.圖像必須與文字描述有相關性。

生成對抗網絡（GANs ）為什么這么火？盤點它誕生以來的主要技術進展

利用 GAN, GAN-CLS, GAN-INT,GAN-INT-CLS 生成的結果示意。GT 是真實圖像，從左到右三組圖像的任務分別是：1.全黑色的鳥，粗圓的鳥嘴；2.黃胸、棕冠、黑眉的小鳥；3. 藍冠、藍羽、黑頰的超小鳥，嘴小、踝骨小、爪小。

4. GANs 應用于超分辨率（Super Resolution）

這是推特 Cortex 研究團隊進行的一項研究，在今年 9 月發表。它的主要貢獻是開發出全新的損失函數（loss function），使得 GANs 能對大幅降采樣后的圖像，恢復它的生動紋理和小顆粒細節。

對于不熟悉超分辨率的雷鋒網讀者，它是一個能把低分辨率圖像重建為高清圖像的技術。在機器學習中，實現超分辨率需要用成對樣本對系統進行訓練：一個是原始高清圖像，一個是降采樣后的低分辨率圖像。本研究中，低分圖像被作為輸入喂給生成器，它重建出高分辨率圖像。然后，重建圖片和原始圖片被一起交給判別器，來判斷哪一幅是原始圖像。

該研究中的損失函數可分為兩個部分：對抗損失（adversarial loss ）和內容損失（content loss）。在較高層面上，對抗損失使圖像看起來更自然；內容損失則保證重建圖像與低分辨率原始圖像有相似的特點。其中，對抗損失和傳統的 GANs 應用類似，創新的是內容損失。該研究中的內容損失，可被看作為重建的高分辨率圖像和原始高分圖像之間特征圖（feature map）的歐式距離（Euclidean distance）損失。而 GAN 的損失函數是對抗損失和內容損失的加權和。對原文感興趣的讀者，請點這里。

生成對抗網絡（GANs ）為什么這么火？盤點它誕生以來的主要技術進展

左欄是原始圖像，右三欄是 GANs 重建的高分圖像。

以上是 GANs 2014-2016 發展期間的主要里程碑。但讀者們注意，2016 年以來，GANs 的研究應用層出不窮。以上只是最具代表性的幾個，不代表其他 GANs 研究就沒有價值。

值得一說的是，今年 6 月一篇關于深度卷積 GANs （Deep Convolutional Generative Adversarial Networks， DCGAN）的論文在業內引發強烈反響：《Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks》（“使用深度卷積 GANs 進行無監督表征學習”）。研究人員們發現，用大規模數據庫訓練出的 GANs 能學習一整套層級的特征（a hierarchy of features），并具有比其他無監督學習模型更好的效果。而此前使用 CNN 訓練 GANs 的嘗試大多以失敗告終。當研究人員修改架構創造出 DCGAN，他們能夠看到神經網絡在每一層級學習到的過濾器。Yan Lecun 評論道，這打開了 GANs 的“黑箱”。

最后，我們來看看在大神 Yan Lecun 眼里，GANs 為什么這么重要：