2014 年，在论文Generative Adversarial Networks中，首次提出了 GAN，其核心思想是“生成”与“对抗”。GAN 由一个生成器 G(Generator)和一个判别器 D(Discriminator)构成，前者用于捕捉数据分布，后者用于判别某个样本是否来自训练数据而非 G。进一步而言，G 的目标就是尽量生成真实的图片去欺骗判别网络 D，使D 犯错；而 D 的目标就是尽量把 G 生成的图片和真实的图片分别开来。二者互相博弈，共同进化。

• 论文地址：https://papers.nips.cc/paper/2014/file/5ca3e9b122f61f8f06494c97b1afccf3-Paper.pdf

• 开源地址：https://github.com/goodfeli/adversarial

一经提出，就在原始 GAN 的基础上，针对多样化应用场景，众多 GAN 变体应运而生。如：DCGAN[1]、InfoGANs[2]、Wasserstein GAN[3]。

迄今为止，这一领域已涌现出大量杰出的开源成果。本文旨在整理这些相关的开源模型及数据集，以加速开发者的研究步伐，使他们能够便捷地获取所需的算法与数据资源。

GFP-GAN

GFP-GAN 是由腾讯 PCG 开发的利用生成人脸先验 GFP 的人脸复原模型，可以解决如何从低分辨率低质量的真实图像中获得较好的先验知识，复原人脸图像的问题。

• 参考论文：Towards Real-World Blind Face Restoration with Generative Facial Prior (CVPR 2021)

• 论文地址：https://arxiv.org/abs/2101.04061

• 开源地址：https://github.com/TencentARC/GFPGAN

★star：35.9K

DragGAN

DragGAN 模型，是一种革命性交互式图像操作方式，允许用户将图像中的任意点“拖动”到目标位置，来精确控制照片主体的位置、姿态、表情、大小和角度等。主要包括了两个组件：

• 基于特征的运动监督，驱动手柄点向目标位置移动

• 新的点追踪方法，利用辨别式GAN特征来定位手柄点的位置

• 参考论文：Drag Your GAN: Interactive Point-based Manipulation on the Generative Image Manifold (SIGGRAPH 2023)

• 论文地址：https://arxiv.org/abs/2305.10973

• 开源地址：https://github.com/XingangPan/DragGAN

★star：35.7K

趋动云『社区项目』中相关项目体验教程：

• 部署AIGC神器【DragGAN】：https://open.virtaicloud.com/web/project/detail/460837982233415680

StyleGAN

StyleGAN 是由英伟达开源的一款人脸生成器，借用风格迁移的思路对传统的 GAN 进行了革新，能在粗糙、中度、精细三个层面调节图像生成，所生成的人物肖像与背景均极为逼真，达到了与真实图像难辨真伪的高度。

Flickr-Faces-HQ (FFHQ) 是一个高质量的人脸图像数据集，包含 70,000 张高质量的 PNG 图像，分辨率为1024×1024，在年龄、种族、角度、光照和图像背景方面具有比 CELEBA-HQ 更多的变化，同时在配饰（如眼镜、太阳镜、帽子等）的覆盖范围上也更加丰富。

• 参考论文：A Style-Based Generator Architecture for Generative Adversarial Networks (CVPR 2019)

• 论文地址：https://arxiv.org/abs/1812.04948

• 开源地址：https://github.com/NVlabs/stylegan

• FFHQ数据集：https://github.com/NVlabs/ffhq-dataset

★star：14.2K

CycleGAN

CycleGAN 是一种基于深度学习的模型，用于无配对图像到图像的转换(翻译)。在此之前，作者提出的 Pix2Pix，也可以做图像转换，与 CycleGAN 的区别在于，pix2pix 模型必须要求成对数据（paired data），而 CycleGAN 利用非成对数据也能进行训练(unpaired data)。

• 参考论文：Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks (ICCV 2017)

• 论文地址：https://arxiv.org/pdf/1703.10593

• 开源地址：https://github.com/junyanz/CycleGAN

• CycleGAN 和 pix2pix数据集：https://github.com/junyanz/pytorch-CycleGAN-and-pix2pix/blob/master/docs/datasets.md；https://efrosgans.eecs.berkeley.edu/cyclegan/datasets/

★star：12.4K

StarGAN

在前面提到的 Pix2Pix 和 CycleGAN 模型，两者的不同点是一个解决了有Pair 对数据的图像翻译问题；一个解决了 Unpaired 数据下的图像翻译问题。共同点都是解决了一对一的问题，即一个领域到另一个领域的转换。

高丽大学& Clova Research 开源的 StarGAN 则是将多领域转换用统一框架实现的算法，解决了之前每一个领域转换，都需要重新训练一个模型的繁琐问题。

如下图所示，在同一种模型下，可以做多个图像转换任务，比如更换头发颜色，更换表情，更换年龄等。

• 参考论文：StarGAN: Unified Generative Adversarial Networks for Multi-Domain Image-to-Image Translation (CVPR 2018)

• 论文地址：https://arxiv.org/abs/1711.09020

• 开源地址：https://github.com/yunjey/stargan

★star：5.2K

相隔一年之久，在 StarGAN 的基础上，Clova Research 提出 StarGAN v2，不仅实现人到人的随意转换，猫、狗、虎、豹各种动物也可以无缝切换，同时解决了图像-图像转换模型中要么只满足生成图像的多样性，要么是满足在多个域上的可扩展性的问题。

另外，还开源了一个质量更高、变化范围更宽的动物面孔（AFHQ）数据集，由 15,000 张 512 × 512 分辨率的高质量图像组成。该数据集包括猫、狗和野生动物三个领域，每个领域提供 5000 张图像。

• 参考论文：StarGAN v2: Diverse Image Synthesis for Multiple Domains (CVPR 2020)

• 论文地址：https://arxiv.org/abs/1912.01865

• 开源地址：https://github.com/clovaai/stargan-v2

• AFHQ数据集：https://github.com/clovaai/stargan-v2/blob/master/README.md#animal-faces-hq-dataset-afhq

★star：3.5K

参考资料

[1].Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks,https://arxiv.org/abs/1511.06434.
[2].InfoGAN: Interpretable Representation Learning by Information Maximizing Generative Adversarial Nets,https://arxiv.org/abs/1606.03657.
[3].Wasserstein GAN,https://arxiv.org/abs/1701.07875.

---

趋动云是面向企业、科研机构和个人 AI 开发者构建的开发和推理训练服务，也是全球首个基于 GPU 算力池化云的服务。

趋动云的使命是连接算力·连接人：

📍通过连接全球算力，趋动云可以为用户提供便宜、好用的 AI 算力。
📍通过为AI算法开发全流程提供优化服务、构建全球开发者项目和数据社区，趋动云可以帮助AI开发者接入丰富的生态，快速实现最佳实践。

趋动云

连接算力・连接人