今天要介紹的是生成對抗網路（generative adversarial network，簡稱 GAN）～
GAN 是一種用於解決生成任務的機器學習演算法，最早在 2014 年由 Ian Goodfellow 提出。就如同前一天簡介圖像生成提到的，生成模型要能夠學習到真實影像的分布，並利用這個估計出來的分布產生接近真實的新影像，而 GAN 就是能讓我們得到生成模型的其中一種方法。
下圖為 Ian Goodfellow 當時得到的一部分結果，雖然從現在的角度看，感覺只是一些模糊、看不清楚內容的影像，但以當時來說已經是非常大的突破！
（圖片來源：Generative Adversarial Networks）
而在 GAN 提出後的四五年間，各種基於 GAN 的變形與優化方法不斷被提出， GAN 生成影像的能力也越來越驚人。下圖提供了人臉生成方面的例子，從 GAN 剛提出時只能產生模糊、五官有點不自然扭曲的人臉，到 2018 年時已經能產生充滿細節的高解析度影像，皺紋與髮絲都栩栩如生，效果是不是非常令人震撼呢？
如今，GAN 確實就是以產生逼真且高品質的影像而聞名，而 GAN 究竟是如何達到產生影像的目標呢？
首先必須先提到 GAN 的架構，GAN 是由一個生成器（generator）和一個鑑別器（discriminator）組成的結構。
Generator 就是最終我們要拿來產生影像的模型，輸入可能會有一個給定的值、標籤或文字指令，以及從簡單分布（通常是常態分布）抽樣得到的向量，而輸出會是一張影像。
為什麼除了輸入我們想要模型產生什麼以外，還要輸入一個從機率分布抽樣的向量呢？這是因為我們希望模型生成的影像可以有不同的變化，所以還需要加上隨機的輸入。
至於 discriminator 則是用於分辨影像是來自真實資料還是生成的，因此輸入是影像，輸出則是一個純量，用以代表影像的真實程度，值越大代表越有可能是真實影像，值越小則越有可能是生成影像。
例如柯基圖片是真實影像，discriminator 的輸出就要越接近 1 越好；邊境牧羊犬圖片是生成影像，輸出就要越接近 0 越好。（雖然兩張圖片都是我用生成工具產生的啦～只是舉例
稍加思考 GAN 的兩個組成部分，是否覺得它們的功能有點互相衝突呢？
沒錯，這就是 GAN 運作的核心想法，在對抗中互相砥礪、持續進步，因此命名才會有 adversarial 這個字。在原作 paper 中，作者用製造假鈔的人和警察來比喻這樣的關係，generator 就像是製作假鈔的人，而 discriminator 則像是鑑別假鈔的警察，兩者之間的對抗關係會促使製造假鈔的人把假鈔越做越逼真，而警察也越來越會辨別假鈔。
同理，在 GAN 中，generator 會盡可能生成很接近真實的圖片，能「騙過」discriminator，讓其誤判為真實影像；而 discriminator 則要盡可正確判斷真實和生成影像。因此 generator 在這樣的對抗過程中逐漸學會產生逼真的影像，而 discriminator 同時也越來越會分辨真實影像與生成影像。由於我們的任務目標是影像生成，我們會期待透過這樣的架構與訓練方式，最終讓 generator 產生的影像與真實影像變得難以區分，如此就能得到可以生成精緻影像的模型了
這裡簡單介紹一下 GAN 的訓練方式。首先我們會先初始化 generator 和 discriminator 的參數，接著不斷重複以下兩件事：
固定 generator 的參數，訓練 discriminator
訓練 discriminator 時，我們會將真實影像樣本標記為 1，生成的樣本標記為 0，引導 discriminator 分辨真實影像與生成影像。
固定 discriminator 的參數，訓練 generator
在 discriminator 的判別能力變強一些之後，discriminator 判別的結果會成為 generator 學習的依據。Generator 的學習目標會是讓自己產生的影像通過 discriminator 之後，得到的分數接近 1 越好。
上面第一個步驟會提升 discriminator 的判斷能力，第二個步驟則透過變強的 discriminator 促使 generator 增強圖片生成的品質，接著，變強的 generator 又能再加強 discriminator 的判別能力，如此不斷循環～
關於 GAN 的簡介在此先告一段落～之後幾天會再陸續介紹更詳細的理論、訓練技巧和評估方法，敬請期待！如果對於這系列文章有任何建議或發現有需要修正的地方，也歡迎留言告訴我
iThome鐵人賽
看影片追技術