版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/zr940326/article/details/81610521
想学习，更多的GAN相关的模型和论文，可参考https://github.com/hindupuravinash/the-gan-zoo
以下是来自该作者的 github上 整理的部分论文，
如果需要查看更多，请前往https://github.com/hindupuravinash/the-gan-zoo
- 3D-ED-GAN - 使用3D生成对抗网络和循环卷积网络进行形状修复
- 3D-GAN - 通过3D生成 - 对抗建模（github）学习对象形状的概率潜在空间
- 3D-IWGAN - 用于3D对象生成和重建的改进的对抗系统（github）
- 3D-PhysNet - 3D-PhysNet：学习非刚性物体变形的直观物理学
- 3D-RecGAN - 从具有对抗性学习的单个深度视图的3D对象重建（github）
- ABC-GAN - ABC-GAN：自适应模糊和控制，用于提高生成对抗网络（github）的训练稳定性
- ABC-GAN - 生命的GAN ：用于可能性自由推理的生成性对抗网络
- AC-GAN - 辅助分类器 GAN的条件图像合成
- acGAN - 使用条件生成对抗网络进行面部老化
- ACGAN - 基于生成对抗网络的无掩盖信息隐藏
- ACtuAL - ACtuAL：在对抗性学习下的演员 - 评论家
- AdaGAN - AdaGAN：提升生成模型
- 自适应GAN - 使用类条件 GAN 自定义对抗示例生成器
- AdvEntuRe - AdvEntuRe：用知识引导的例子进行文本蕴涵的对抗性训练
- AdvGAN - 使用对抗性网络生成对抗性示例
- AE-GAN - AE-GAN：用GAN消除对抗性
- AEGAN - 基于自动编码器的生成性对抗网络的学习逆映射
- AF-DCGAN - AF-DCGAN：幅度特征深度卷积GAN用于室内定位系统中的指纹构建
- AffGAN - 用于图像超分辨率的摊销MAP推理
- AL-CGAN - 学习从属性和语义布局生成室外场景的图像
- ALI - 异端学习推理（github）
- AlignGAN - AlignGAN：学习将跨域图像与条件生成对抗网络对齐
- AlphaGAN - AlphaGAN：用于自然图像消光的生成对抗网络
- AM-GAN - 激活最大化生成对抗网
- AmbientGAN - AmbientGAN：有损测量的生成模型（github）
- AMC-GAN - 具有外观和运动条件的视频预测
- AnoGAN - 用生成对抗网络进行无监督异常检测以指导标记发现
- APD - 贝叶斯神经网络海床的对抗蒸馏
- APE-GAN - APE-GAN：用GAN消除对抗扰动
- ARAE - 用于生成离散结构的异常正则化自动编码器（github）
- ARDA - 用于域适应的对抗性表示学习
- ARIGAN - ARIGAN：使用Generative Adversarial Network的合成拟南芥植物
- ArtGAN - ArtGAN：使用条件分类GAN的艺术作品合成
- ASDL-GAN - 使用生成对抗网络的自动隐写失真学习
- ATA-GAN - 注意意识生成对抗网络（ATA-GAN）
- 注意-GAN - 用于野外图像中对象变换的注意GAN
- AttGAN - 任意面部属性编辑：只改变你想要的东西（github）
- AttnGAN - AttnGAN：使用注意生成对抗网络生成细粒度文本到图像生成（github）
- AVID - AVID：对抗性视觉不规则检测
- B-DCGAN - B-DCGAN：用于FPGA的二值化DCGAN的评估
- b-GAN - 密度比估计视角下的生成对抗网
- BAGAN - BAGAN：使用平衡GAN进行数据扩充
- 贝叶斯GAN - 深层次和分层隐式模型
- 贝叶斯GAN - 贝叶斯GAN（github）
- BCGAN - 贝叶斯条件生成Adverserial网络
- BCGAN - 双向条件生成对抗网络
- BEAM - Boltzmann编码对抗机
- BEGAN - BEGAN：边界均衡生成对抗网络
- BGAN - 用于图像检索的二进制生成对抗网络（github）
- BicycleGAN - 走向多模式图像到图像的翻译（github）
- BiGAN - 对抗性特征学习
- BinGAN - BinGAN：学习带有规则化GAN的紧凑二进制描述符
- BourGAN - BourGAN：具有度量嵌入的生成网络
- BranchGAN - 用于多尺度图像流形学习的分支生成对抗网络
- BRE - 通过二值化表示熵（BRE）正则化（github）改进GAN训练
- BS-GAN - 边界寻求生成对抗网络
- BWGAN - Banach Wasserstein GAN
- C-GAN - 使用上下文生成对抗网络进行面部老化
- C-RNN-GAN - C-RNN-GAN：具有对抗训练的连续递归神经网络（github）
- CA-GAN - 作曲辅助素描逼真的人像生成
- CaloGAN - CaloGAN：使用生成对抗网络在多层电磁量热仪中模拟3D高能粒子淋浴（github）
- CAN - CAN：创造性的对抗性网络，通过学习风格和偏离风格规范来创造艺术
- CapsGAN - CapsGAN：使用动态路由生成对抗网络
- CapsuleGAN - CapsuleGAN：Generative Adversarial Capsule Network
- CatGAN - 具有分类生成对抗网络的无监督和半监督学习
- CatGAN - CatGAN：用于域生成的耦合对抗传输
- CausalGAN - CausalGAN：用对抗训练学习因果隐性生成模型
- CC-GAN - 具有上下文条件生成对抗网络的半监督学习（github）
- cd-GAN - 条件图像到图像的翻译
- CDcGAN - 具有条件生成对抗网络的同时颜色深度超分辨率
- CE-GAN - 使用类专家生成对抗网络进行不平衡数据分类的深度学习
- CFG-GAN - 生成对抗模型的复合功能梯度学习
- CGAN - 条件生成对抗网
- CGAN - 可控生成对抗网络
- 契诃夫GAN - 生成对抗网络的在线学习方法
- ciGAN - 用于乳房X线摄影分类中数据增强的条件填充GAN
- CipherGAN - 使用离散GAN的无监督密码破解
- CM-GAN - CM-GAN：用于共同表示学习的跨模态生成对抗网络
- CoAtt-GAN - 你在跟我说话吗？通过对抗性学习生成合理的视觉对话
- CoGAN - 耦合生成对抗网络
- ComboGAN - ComboGAN：图像域转换的无限制可扩展性（github）
- ConceptGAN - 学习具有相互一致性的成分视觉概念
- 条件循环GAN - 用于属性引导人脸图像生成的条件CycleGAN
- constrast-GAN - 具有对比GAN的生成语义操作
- Context-RNN-GAN - 用于抽象推理图生成的上下文RNN-GAN
- CorrGAN - 使用对抗训练关联离散数据
- 库仑GAN - 库仑GAN：通过势场可证明的最佳纳什均衡
- Cover-GAN - 基于生成对抗网络的Kerckhoffs原理的生成隐写
- 牛仔 - 通过利用整个GAN来抵御对抗性攻击
- CR-GAN - CR-GAN：学习多视图生成的完整表示
- CramèrGAN - Cramer距离作为有偏见的Wasserstein梯度的解决方案
- 跨GAN - 用于跨视角人重新识别的跨生成对抗网络
- crVAE-GAN - 通道重复变分自动编码器
- CS-GAN - 用条件序列生成对抗网改进神经机器翻译
- CSG - 具有条件顺序生成对抗网络的语音驱动的富有表现力的说话嘴唇
- CT-GAN - CT-GAN：用于图像属性修改的条件变换生成对抗网络
- CVAE-GAN - CVAE-GAN：通过非对称训练生成细粒度图像
- CycleGAN - 使用周期一致的对抗网络（github）进行不成对的图像到图像转换
- D-GAN - 差分生成性对抗网络：使用有限数量的训练数据合成非线性面部变异
- D-WCGAN - I-向量变换使用条件生成对抗网络进行短话语说话人验证
- D2GAN - 双鉴别器生成对抗网
- D2IA-GAN - 像人类一样标记：多样和独特的图像注释
- DA-GAN - DA-GAN：深度注意生成对抗网络的实例级图像翻译（附补充材料）
- DAGAN - 数据增强生成对抗网络
- DAN - 分布式对抗网络
- DBLRGAN - 用于视频去模糊的对抗时空学习
- DCGAN - 使用深度卷积生成对抗网络进行无监督表示学习（github）
- DE-GAN - 具有解码器 - 编码器输出噪声的生成性对抗网络
- DeblurGAN - DeblurGAN：使用条件对抗网络的盲目运动去模糊（github）
- Defense-GAN - Defense-GAN：使用生成模型保护分类器抵御对抗性攻击（github）
- Defo-Net - Defo-Net：使用生成对抗网络学习身体变形
- DeliGAN - DeLiGAN：针对多样化和有限数据的生成性对抗网络（github）
- DF-GAN - 结构化遮挡下的面部完成学习解缠和融合网络
- DialogWAE - DialogWAE：使用条件Wasserstein自动编码器生成多模式响应
- DiscoGAN - 学习发现生成对抗网络的跨域关系
- DistanceGAN - 单面无监督域映射
- DM-GAN - 用于未来流嵌入式视频预测的双运动GAN
- DMGAN - 生成对抗网络的断开流形学习
- DNA-GAN - DNA-GAN：从多属性图像中学习解缠结的表示
- dp-GAN - 通过深度生成模型进行差异私有释放
- DP-GAN - DP-GAN：用于生成信息性和多样化文本的多样性促进生成性对抗性网络
- DPGAN - 差异私有生成对抗网络
- DR-GAN - 通过旋转你的面孔进行表象学习
- DRAGAN - 如何训练您的DRAGAN（github）
- Dropout-GAN - Dropout-GAN：从动态的鉴别器集合中学习
- DRPAN - 判别区域提议用于高质量图像到图像转换的对抗网络
- DSH-GAN - 生成对抗网络的深度语义哈希
- DSP-GAN - 保持场景图像生成的深度结构
- DTLC-GAN - 具有决策树潜在控制器的生成性对抗图像合成
- DTN - 无监督跨域图像生成
- DTR-GAN - DTR-GAN：用于视频摘要的扩张时间关系对抗网络
- DualGAN - DualGAN：用于图像到图像转换的无监督双重学习
- 双重GAN - 双重GAN
- DVGAN - 使用DVGAN的人体运动建模
- 动态转移GAN - 动态转移GAN：通过将任意时间动态从源视频转移到单个目标图像来生成视频
- E-GAN - 进化生成对抗网络
- EAR - 异构推理的生成模型
- EBGAN - 基于能量的生成对抗网络
- ecGAN - eCommerceGAN：电子商务的生成性对抗网络
- ED // GAN - 通过正则化稳定生成对抗网络的训练
- 可编辑的GAN - 可编辑的生成对抗网络：同时生成和编辑面部
- EGAN - 增强体验重播生成以实现高效强化学习
- EL-GAN - EL-GAN：嵌入损失驱动的生成对抗网络用于车道检测
- 优雅 - 优雅：用GAN交换潜在编码以传输多个面部属性
- EnergyWGAN - 能量放松的Wassertein GAN（EnergyWGAN）：迈向更稳定和高分辨率的图像生成
- ExGAN - 具有示例性生成对抗网络的眼睛绘画
- ExposureGAN - 曝光：白盒照片后处理框架（github）
- ExprGAN - ExprGAN：具有可控表达强度的面部表情编辑
- f-CLSWGAN - 用于零射击学习的特征生成网络
- f-GAN - f-GAN：使用变分发散最小化训练生成神经采样器
- FairGAN - FairGAN：公平感知的生成对抗网络
- 公平GAN - 公平GAN
- FakeGAN - 使用生成对抗网络检测欺骗性评论
- FBGAN - 用于DNA的反馈GAN（FBGAN）：用于优化蛋白质功能的新型反馈环结构
- FBGAN - 特征化双向GAN：通过对抗学习的语义推理进行对抗性防御
- FC-GAN - 用于图像合成的快速收敛条件生成对抗网络
- FF-GAN - 面向野外的大姿态脸部正面化
- FGGAN - 用于细粒度图像搜索的对抗性学习
- 虚构的GAN - 虚构的GAN：用历史模型训练GAN
- FIGAN - 具有多尺度深度损失函数和生成对抗网络的帧插值
- Fila-GAN - 用GAN 合成带状结构图像
- 一阶GAN - 一阶生成对抗网络（github）
- Fisher GAN - Fisher GAN
- Flow-GAN - Flow-GAN：在生成模型中桥接隐式和规定的学习
- FrankenGAN - rankenGAN：使用样式同步GAN构建质量模型的引导细节综合
- FSEGAN - 利用生成对抗网络探索语音增强，实现鲁棒语音识别
- FTGAN - 从正交信息生成分层视频：光流和纹理
- FusedGAN - 用于条件图像生成的半监督FusedGAN
- FusionGAN - 学习用生成的对抗性双重学习来融合音乐类型
- FusionGAN - 生成融合图像：一个人的身份和另一个人的形象
- G2-GAN - 几何引导的对抗性面部表情合成
- GAAN - 生成性对抗自动编码器网络
- GAF - 用于更有条件的对抗性学习的生成性对抗性森林
- GAGAN - GAGAN：几何意识的生成性逆向网络
- GAIA - 生成对抗内插自动编码：潜在空间插值的对抗训练促进凸潜在分布
- GAIN - GAIN：使用生成性对抗网丢失数据插补
- GAMN - 生成对抗映射网络
- GAN - 生成性对抗网络（github）
- GAN Q-learning - GAN Q-learning
- GAN-ATV - 一种基于 GAN的艺术文本可视化新方法
- GAN-CLS - 图像合成的生成性对抗文本（github）
- GAN-RS - 利用生成对抗网络实现水下机器视觉的定性推进
- GAN-SD - 虚拟淘宝：虚拟化实际在线零售环境以加强学习
- GAN-sep - 用于生物图像合成的 GAN （github）
- GAN-VFS - 基于生成对抗网络的极化热面可见面综合
- GAN-Word2Vec - 用于篮子完成的Word2Vec的对抗训练
- GANAX - GANAX：用于生成对抗网络的统一MIMD-SIMD加速
- GANCS - 用于压缩感知的深度生成性对抗网络自动化MRI
- GANDI - 通过学习非目标样本的动作采样分布，指导连续状态 - 动作空间中的搜索
- GANG - GANGs：生成性对抗性网络游戏
- GANG - 超越对抗网络的局部纳什均衡
- GANosaic - GANosaic：用生成纹理流形创建马赛克
- GAP - 上下文意识生成对抗性隐私
- GAP - 生成性对抗性隐私
- GATS - 具有生成对抗树搜索的样本高效Deep RL
- GAWWN - 学习什么和在哪里画（github）
- GC-GAN - 用于面部表情合成的几何 - 对比生成对抗网络
- GeneGAN - GeneGAN：来自不成对数据的学习对象变换和属性子空间（github）
- GeoGAN - 通过几何引导的GAN生成实例分段注释
- 几何GAN - 几何GAN
- GLCA-GAN - 全球和本地一致年龄生成对抗网络
- GMAN - 生成多对抗网络
- GMM-GAN - 了解生成性对抗网络的动态
- GoGAN - GAN团队：具有最大保证金排名的生成性对抗网络
- GONet - GONet：一种用于可穿越性估计的半监督深度学习方法
- GP-GAN - GP-GAN：走向逼真的高分辨率图像混合（github）
- GP-GAN - GP-GAN：用于从地标合成面部的性别保留GAN
- GPU - 用于正未标记分类的生成对抗框架
- GRAN - 使用循环对抗网络生成图像（github）
- Graphical-GAN - 图形生成对抗网络
- GraspGAN - 利用仿真和域自适应提高深度机器人抓取效率
- GT-GAN - 深度图转换
- HAN - 具有分层对抗网络的汉语字体转换
- HAN - 鲁棒神经网络的双向学习
- HiGAN - 利用分层生成对抗网络开发视频识别图像
- HP-GAN - HP-GAN：通过GAN进行概率3D人体运动预测
- HR-DCGAN - 高分辨率深度卷积生成对抗网络
- hredGAN - 在对抗性学习框架中生成多轮对话响应
- IAN - 使用内省对抗网络进行神经照片编辑（github）
- IcGAN - 用于图像编辑的可逆条件GAN（github）
- ID-CGAN - 使用条件生成对抗网络的图像去除
- IdCycleGAN - 使用身份识别CycleGAN在图像和视频之间进行面向翻译
- IFcVAEGAN - 具有对抗性信息分解的条件自动编码器
- iGAN - 自然图像流形上的生成视觉操作（github）
- 改进的GAN - 训练 GAN的改进技术（github）
- In2I - In2I：使用生成对抗网络的无监督多图像到图像的翻译
- InfoGAN - InfoGAN：可解释的表示通过信息学习最大化生成的对抗网（github）
- IntroVAE - IntroVAE：用于摄影图像合成的内省变分自动编码器
- IR2VI - IR2VI：通过无监督的热图像转换增强夜间环境感知
- IRGAN - IRGAN：用于统一生成和判别信息检索模型的Minimax游戏
- IRGAN - 用于信息检索的生成性对抗网：基础和进展
- ISGAN - 通过生成对抗网络的隐形隐写术
- Iterative-GAN - 一石二鸟：用 GAN 迭代学习面部属性（github）
- IterGAN - IterGANs：用于学习和控制3D对象转换的迭代GAN
- IVE-GAN - IVE-GAN：Invariant Encoding Generative Adversarial Networks
- iVGAN - 通过在野外制作视频来了解我们的世界（github）
- IWGAN - 论统一深度生成模型
- JointGAN - JointGAN：生成对抗网络的多域联合分布学习
- JR-GAN - JR-GAN：生成对抗网络的雅可比正则化
- KBGAN - KBGAN：知识图嵌入的对抗性学习
- KGAN - KGAN：如何打破GAN中的Minimax游戏
- l-GAN - 3D点云的表示学习和对抗生成
- LAC-GAN - 使用基于GAN的分类的操纵指令的基础语言理解
- LAGAN - 通过实例学习粒子物理：用于物理综合的位置感知生成对抗网络
- LAPGAN - 使用拉普拉斯金字塔的对抗网络的深度生成图像模型（github）
- LB-GAN - 用于多视图面部图像合成的负载平衡 GAN
- LBT - 用显性教学学习内隐生成模型
- LCC-GAN - 局部坐标编码的对抗性学习
- LD-GAN - 线性判别生成对抗网络
- LDAN - 用于人脸图像逆向照明的标签去噪对抗网络（LDAN）
- LeakGAN - 通过具有泄露信息的对抗性训练生成长文本
- LeGAN - 生成对抗网络的似然估计
- LGAN - 全球与本地化生成对抗网
- Lipizzaner - 走向分布式共同进化的GAN
- LR-GAN - LR-GAN：用于图像生成的分层递归生成对抗网络
- LS-GAN - Lipschitz密度上的损失敏感的生成对抗网络
- LSGAN - 最小二乘生成对抗网络
- M-AAE - 面具感知的真实感面部属性操作
- MAD-GAN - 多代理多元生成对抗网络
- MAGAN - MAGAN：生成对抗网络的保证金适应
- MAGAN - MAGAN：对齐生物流形
- MalGAN - 基于GAN生成黑箱攻击的对抗性恶意软件示例
- MaliGAN - 最大似然增强离散生成对抗网络
- manifold-WGAN - 使用Wasserstein对抗网络生成流形图像
- MARTA-GAN - 遥感图像的深度无监督表示学习
- MaskGAN - MaskGAN：通过填充______更好地生成文本
- MC-GAN - 用于少数字体样式传输的多内容GAN（github）
- MC-GAN - MC-GAN：用于图像合成的多条件生成对抗网络
- McGAN - McGan：均值和协方差特征匹配GAN
- MD-GAN - 学习使用多阶段动态生成对抗网络生成延时视频
- MDGAN - 模式正则化生成对抗网络
- MedGAN - 使用生成对抗网络生成多标签离散电子健康记录
- MedGAN - MedGAN：使用GAN进行医学图像翻译
- MEGAN - MEGAN：用于多模态图像生成的生成对抗网络专家的混合体
- MelanoGAN - MelanoGANs：使用GAN进行高分辨率皮肤损伤合成
- memoryGAN - Memorization Precedes Generation：学习带有内存网络的无监督GAN
- MGAN - 马尔可夫生成对抗网络的预计算实时纹理合成（github）
- MGGAN - 多生成器生成对抗网
- MGGAN - MGGAN：使用流形引导训练解决模式崩溃问题
- MIL-GAN - 通过生成性对抗模仿学习的多模式讲故事
- MIX + GAN - 生成对抗网（GAN）的推广和均衡
- MIXGAN - MIXGAN：从不同领域学习混合物生成的概念
- MLGAN - 基于度量学习的生成对抗网络
- MMC-GAN - 用于从模糊语言指令携带和放置任务的多模式分类器生成对抗网络
- MMD-GAN - MMD GAN：更深入地理解力矩匹配网络（github）
- MMGAN - MMGAN：用于生成图像的流形匹配生成对抗网络
- MoCoGAN - MoCoGAN：分解视频生成的动作和内容（github）
- 修改的GAN-CLS - 使用修改的GAN-CLS算法从文本描述生成相应的图像
- ModularGAN - 模块化生成对抗网络
- MolGAN - MolGAN：小分子图的隐式生成模型
- MPM-GAN - 消息传递多代理GAN
- MS-GAN - 基于时间一致性的预测视频帧的标准使用深度多阶段生成对抗网络
- MTGAN - MTGAN：通过多任务三联生成对抗网络进行说话人验证
- MuseGAN - MuseGAN：符号域音乐生成与多轨顺序生成对抗网络的伴奏
- MV-BiGAN - 多视图生成对抗网络
- N2RPP - N2RPP：一种用于重建ACLD患者足底压力的对抗网络
- NAN - 在拥挤的场景中理解人类：深层嵌套对抗性学习和多人解析的新基准
- NCE-GAN - 使用生成对抗网络的二面角预测
- ND-GAN - 使用GAN进行新颖性检测
- NetGAN - NetGAN：通过随机游走生成图形
- OCAN - 用于欺诈检测的一类对抗网
- OptionGAN - OptionGAN：使用生成性对抗性反向强化学习学习联合奖励政策选项
- ORGAN - 用于序列生成模型的目标增强的生成对抗网络（ORGAN）
- ORGAN - 使用生成对手网络三维重建不完整的考古物体
- OT-GAN - 使用最佳传输改进 GAN
- PacGAN - PacGAN：生成对抗网络中两个样本的力量
- PAN - 用于图像到图像转换的感知对抗网络
- PassGAN - PassGAN：密码猜测的深度学习方法
- PD-WGAN - Primal-Dual Wasserstein GAN
- 感知GAN - 用于小目标检测的感知生成对抗网络
- PGAN - 概率生成对抗网络
- PGD-GAN - 使用GAN Priors解决线性反问题：一种具有可证明保证的算法
- PGGAN - 基于补丁的图像修复与生成对抗网络
- PIONEER - 先锋网络：逐步发展的生成自动编码器
- Pip-GAN - 用于多属性面部图像生成的流水线生成对抗网络
- pix2pix - 使用条件对抗网络的图像到图像转换（github）
- pix2pixHD - 带有条件GAN的高分辨率图像合成和语义处理（github）
- PixelGAN - PixelGAN自动编码器
- PM-GAN - PM-GAN：使用部分模态进行动作识别的判别表示学习
- PN-GAN - 用于人员重新识别的姿态归一化图像生成
- POGAN - 用于单图像去雾的感知优化生成对抗网络
- Pose-GAN - 姿势知道：通过生成姿势期货进行视频预测
- PP-GAN - 用于面部识别的隐私保护GAN
- PPAN - 保护隐私网络的隐私
- PPGN - 即插即用生成网络：潜在空间中图像的条件迭代生成
- PrGAN - 多目标二维视图的三维形状感应
- ProGanSR - 一种完全渐进的单图像超分辨率方法
- 渐进式GAN - 用于改进质量，稳定性和变化的 GAN的逐步增长（github）
- PS-GAN - Pedestrian-Synthesis-GAN：在真实场景中生成行人数据
- PSGAN - 周期空间GAN学习纹理流形
- PSGAN - PSGAN：用于遥感图像泛锐化的生成性对抗网络
- PS²-GAN - 使用多对抗网络的高质量面部照片 - 草图合成
- RadialGAN - RadialGAN：利用生成对抗网络利用多个数据集改进特定目标的预测模型
- RaGAN - 相对论鉴别器：标准GAN中缺少的关键元素
- RAN - RAN4IQA：用于无参考图像质量评估的修复性对抗网（github）
- RankGAN - 语言生成的对抗性排名
- RCGAN - 具有循环条件GAN的实数（医疗）时间序列生成
- ReConNN - 基于重建神经网络的有限样本仿真物理场重建
- RefineGAN - 生成对抗网络中循环损失的压缩感知MRI重建
- ReGAN - ReGAN：RE [LAX | BAR | INFORCE]基于序列生成使用GAN（github）
- RegCGAN - 通过规则化条件GAN生成不成对的多域图像
- RenderGAN - RenderGAN：生成逼真的标记数据
- 类似 GAN - 类似生成对抗网络：具有相似属性的两个域
- ResGAN - 基于Resnet的条件图像恢复生成对抗网络
- RNN-WGAN - 使用无预训练的循环生成对抗网络生成语言（github）
- RoCGAN - 强大的条件生成对抗网络
- RPGAN - 使用多个随机投影稳定GAN训练（github）
- RTT-GAN - 用于可视段落生成的循环主题转换GAN
- RWGAN - 轻松的Wasserstein应用于GAN
- SAD-GAN - SAD-GAN：使用生成对抗网络的综合自动驾驶
- SAGA - 用于频谱感知的生成性对抗性学习
- SAGAN - 自我注意生成对抗网络
- SalGAN - SalGAN：使用生成对抗网络进行视觉显着性预测（github）
- sAOG - 深度结构化生成模型
- SAR-GAN - 利用CNN从SAR图像生成高质量可见图像
- SBADA-GAN - 从源到目标和返回：对称双向自适应GAN
- SCH-GAN - SCH-GAN：生成对抗网络的半监督跨模态哈希
- SD-GAN - 语义分解生成对抗网络的潜在空间
- Sdf-GAN - Sdf-GAN：具有多尺度对抗网络的半监督深度融合
- SEGAN - SEGAN：语音增强生成对抗网络
- SeGAN - SeGAN：分割和生成隐形
- Segan - Segan：医学图像分割中具有多尺度L1损失的对抗网络
- Sem-GAN - Sem-GAN：语义一致的图像到图像转换
- SeqGAN - SeqGAN：具有策略梯度的序列生成对抗网（github）
- SeUDA - 用于胸部X射线分割中无监督域适应的语义感知生成性对抗网
- SG-GAN - 用于虚拟到实际城市场景自适应的语义感知Grad-GAN（github）
- SG-GAN - 面向属性操作的稀疏分组多任务生成对抗网络
- SGAN - 空间生成对抗网络的纹理合成
- SGAN - 堆叠生成对抗网络（github）
- SGAN - 隐写生成对抗网络
- SGAN - SGAN：生成性对抗网络的替代训练
- SGAN - 使用堆叠生成对抗网络和转移学习进行病变分割改善的CT图像增强
- sGAN - 使用多对比度MRI进行MRA图像合成的生成性对抗训练
- SiGAN - SiGAN：用于身份保护面部幻觉的暹罗生成对抗网络
- SimGAN - 通过对抗训练从模拟和无监督图像中学习
- SisGAN - 通过对抗性学习进行语义图像合成
- Sketcher-Refiner GAN - 从多模式MRI到对抗训练学习多发性硬化症中的髓鞘含量
- SketchGAN - 草图检索的对抗训练
- SketchyGAN - SketchyGAN：走向多样化和逼真的素描到图像合成
- SL-GAN - 半潜式GAN：学习从属性生成和修改面部图像
- SN-DCGAN - 用于无监督对象共定位的生成对抗网络
- SN-GAN - 生成对抗网络的频谱归一化（github）
- SN-PatchGAN - 使用门控卷积的自由形式图像修复
- Sobolev GAN - Sobolev GAN
- 社会GAN - 社会GAN：具有生成性对抗网络的社会可接受的轨迹
- Softmax GAN - Softmax GAN
- SoPhie - SoPhie：用于预测符合社会和物理约束的路径的细致GAN
- 语音驱动的动画GAN - 具有时间 GAN 的端到端语音驱动的面部动画
- Spike-GAN - 使用Generative Adversarial Networks合成逼真的神经群体活动模式
- 分裂GAN - 分裂生成对抗网络
- SR-CNN-VAE-GAN - 用于顺序数据生成的半循环CNN-VAE-GAN（github）
- SRGAN - 使用生成对抗网络的照片真实单图像超分辨率
- SRPGAN - SRPGAN：用于单图像超分辨率的感知生成对抗网络
- SS-GAN - 半监督条件GAN
- ss-InfoGAN - 用半监督指导InfoGAN
- SSGAN - SSGAN：基于生成对抗网络的安全隐写术
- SSL-GAN - 具有上下文条件生成对抗网络的半监督学习
- ST-CGAN - 用于联合学习阴影检测和阴影去除的堆叠条件生成对抗网络
- ST-GAN - 风格转移生成对抗网络：学习以不同方式玩国际象棋
- ST-GAN - ST-GAN：用于图像合成的空间变换器生成对抗网络
- StackGAN - StackGAN：使用堆叠生成对抗网络的文本到照片般逼真的图像合成（github）
- StainGAN - StainGAN：数字组织学图像的染色样式转移
- StarGAN - StarGAN：用于多域图像到图像转换的统一生成式对抗网络（github）
- StarGAN-VC - StarGAN-VC：采用星形生成对抗网络的非并行多对多语音转换
- SteinGAN - 学习深能量模型：对比分歧与摊销的MLE
- 超级风扇 - 超级风扇：使用GAN以任意姿势集成面部地标定位和超现实世界低分辨率面部的超分辨率
- SVSGAN - SVSGAN：通过生成对抗网络进行歌唱分离
- SWGAN - 解决近似Wasserstein GAN到平稳性
- SyncGAN - SyncGAN：同步跨模态生成对抗网络的潜在空间
- S ^ 2GAN - 使用样式和结构对抗网络的生成图像建模
- table-GAN - 基于生成对抗网络的数据综合
- TAC-GAN - TAC-GAN - 文本条件辅助分类器生成对抗网络（github）
- TAN - 通过串联对抗网络概述着色
- tcGAN - 用于少量细粒度识别的跨模态幻觉
- TD-GAN - 用于无监督域自适应的任务驱动的生成建模：在X射线图像分割中的应用
- tempCycleGAN - 通过超现实主义改善外科训练模型：从真实手术中进行深层不成对的图像到图像翻译
- tempoGAN - tempoGAN：用于超分辨率流体流动的时间相干体积GAN
- TequilaGAN - TequilaGAN：如何轻松识别GAN样品
- Text2Shape - Text2Shape：通过学习联合嵌入从自然语言生成形状
- textGAN - 通过对抗训练生成文本
- TextureGAN - TextureGAN：用纹理贴片控制深度图像合成
- TGAN - 时间生成性对抗网
- TGAN - 对生成性对抗网络进行攻击
- TGAN - 具有二维稀疏编码的张量生成对抗网络：在实时室内定位中的应用
- TGANs-C - 创建你讲述的内容：从字幕生成视频
- tiny-GAN - 非自治对抗系统分析
- TP-GAN - 超越面部旋转：全局和局部感知GAN用于照片级真实感和身份保持正面视图合成
- Triple-GAN - 三生成对抗网
- tripletGAN - TripletGAN：训练具有三重损失的生成模型
- TV-GAN - TV-GAN：基于生成对抗网络的热到可见人脸识别
- UGACH - 无监督的生成性对抗性交叉模态哈希
- UGAN - 使用生成对抗网络增强水下图像
- Unim2im - 使用生成对抗网络进行无监督的图像到图像转换（github）
- UNIT - 无监督的图像到图像转换网络（github）
- 展开的GAN - 展开的生成对抗网络（github）
- UT-SCA-GAN - 基于生成对抗网络的空间图像隐写
- UV-GAN - UV-GAN：用于姿势不变人脸识别的对抗性面部UV图完成
- VA-GAN - 使用Wasserstein GAN的视觉特征归因
- VAC + GAN - 具有生成对抗网络（VAC + GAN）的多功能辅助分类器，多类方案
- VAE-GAN - 使用学习的相似性度量自动编码超出像素
- VariGAN - 从单视图生成多视图图像
- VAW-GAN - 使用变分自动编码Wasserstein生成对抗网络从未对齐语料库转换语音
- VEEGAN - VEEGAN：使用隐式变分学习减少GAN中的模式崩溃（github）
- VGAN - 使用场景动态生成视频（github）
- VGAN - 生成性对抗网络作为能量模型的变分训练（github）
- VGAN - 基于潜在变量生成对抗网的文本生成
- ViGAN - 用变分信息生成对抗网络生成和编辑图像
- VIGAN - VIGAN：生成对抗网络缺少视图归责
- VoiceGAN - 使用生成对抗网络的语音模拟
- VOS-GAN - VOS-GAN：用于视频中无监督密集预测的视觉 - 动态动力学的对抗性学习
- VRAL - 变异规则对抗性学习
- WaterGAN - WaterGAN：无监督生成网络，实现单眼水下图像的实时色彩校正
- WaveGAN - 用生成的对抗网络合成音频
- weGAN - 多文本语料库的生成性对抗网
- WGAN - Wasserstein GAN（github）
- WGAN-CLS - 使用生成对抗网络的文本到图像合成
- WGAN-GP - 对Wasserstein GAN（github）的改进训练
- WGAN-L1 - 子采样湍流去除网络
- WS-GAN - 用于三维重建的弱监督生成对抗网络
- XGAN - XGAN：用于多对多映射的无监督图像到图像转换
- ZipNet-GAN - ZipNet-GAN：通过生成对抗神经网络推断细粒度移动流量模式
- α-GAN - 自动编码生成对抗网络的变分方法（github）
- β-GAN - 退火生成对抗网络
- Δ-GAN - 三角形生成对抗网络