自发明以来，GAN一直被学术界和工业界的专家们誉为“深度学习中最重要的创新之一”，也被视为实现通用人工智能的重要基石。Facebook的人工智能研究主管Yann LeCun甚至表示，GAN及其变体是“过去20年来深度学习中最酷的想法”。
GAN的应用落地已非常广泛，包括图像生成（超分辨率）、语义分割、文字生成、数据增强、信息检索/排序、聊天机器人等，还有近期席卷B站的AI视频换脸技术，因此GAN成为了更多准研究生的研究方向。
但学GAN网络，如果想要在算法上有所创新，那就一定要理解并掌握GAN领域的经典Paper，我推荐GAN领域的基石论文——原生 GAN 。
原生 GAN , 2014 , NIPS
《 Generative Adversarial Nets 》—— GAN 系列的奠基性论文
使得图像／视频的智能生成和编辑成为可能
论文介绍：
1. 提出了一个基于对抗的新生成式模型 GAN ;
2. 提出了 GAN 的价值函数和优化步骤，并进行相关理论证明；
3. 提出 GAN 目前存在的缺点和未来的改进方法
那问题来了，有同学说他看GAN论文时是这样的：
读论文的难点到底在哪里，我分析了一波：
1.重点难把握：动辄10多页的文字，看了半天找不出重点、关键点；
2.论文关系理不清：论文之间存在相互借鉴、引用，需要耗费大量的时间、精力才能理清，更何况大家阅历有限的情况下，根本就理不清；
3.公式图看不懂：公式复杂，步数过多，加大阅读理解难度，直接劝退新手；
4.无法复现论文代码：刚学python不久，python拓展c代码不会，编译问题不断，程序跑不起来，debugging....
5.坚持不下去：几乎以上任意一条就挺折磨人，如果你同时遇到上面三条困境，那就离放弃不远了。
如果你也有这些困惑，这里推荐深度之眼与阿里云天池合作的：
