摘要

我们介绍了一系列新的架构特征和训练方法，这些方法被应用于生成对抗网络（GANs）框架中。我们重点关注GANs在两个方面的应用：半监督学习和生成人类认为视觉上逼真的图像。与大多数生成模型的研究不同，我们的主要目标并不是训练一个对测试数据赋予高概率的模型，也不需要该模型在完全不使用标签的情况下能够良好地学习。通过应用我们的新技术，我们在MNIST、CIFAR-10和SVHN数据集上的半监督分类任务中取得了最先进的结果。生成的图像质量很高，这一点已通过视觉图灵测试得到证实：我们的模型生成的MNIST样本无法被人类区分出真假，而CIFAR-10样本则使人类的错误率达到了21.3%。我们还展示了具有前所未有的分辨率的ImageNet样本，并表明我们的方法使模型能够学习到ImageNet类别的可识别特征。