作者：FAIZAN SHAIKH
編譯：ronghuaiyang

導讀

GANs現在是無處不在。數據科學家和深度學習研究人員使用這種技術生成逼真的圖像，改變面部表情，創建電腦遊戲場景，可視化設計，最近，甚至生成令人驚嘆的藝術品。

介紹

你能猜出這些人臉圖像有什麼共同點嗎？

這些人都不是真的！這些臉是由一種叫做GANs的技術生成的，也就是生成對抗網絡。

事實上，GANs現在是無處不在。數據科學家和深度學習研究人員使用這種技術生成逼真的圖像，改變面部表情，創建電腦遊戲場景，可視化設計，最近，甚至生成令人驚嘆的藝術品！沒錯，最近關於人工智慧生成藝術品的新聞，就是GANs乾的。

在本文中，我們將研究業界流行的GANs的5個有趣的應用。你甚至可能在沒有意識到它們是如何工作的情況下遇到過其中的一些。我還為每個GANs應用提供了研究論文的連結，你可以去看看。

坐好了嗎？我要開車了！

GANs的介紹說明

我們知道GANs能做什麼。但是它們是如何工作的呢？在這個強大的算法產生的所有美妙的應用下面發生了什麼？讓我們用一個流行的例子來理解這一點。

有一個偽造者(造假藝術品的人)和一個調查員，調查員的任務是檢測這些假藝術品。

這個偽造者的任務是偽造著名藝術家(如達文西)的原作。如果他/她能把這件作品冒充成原作，偽造者會賺很多錢。

另一方面，調查員的任務是抓住這些偽造者。他/她是怎麼做的呢？調查人員知道是什麼東西使真的藝術品與眾不同，他/她會創作什麼樣的畫。研究人員將這些知識與手頭的資料進行比對，以確定這些藝術品是否是真的。

這場偽造者與調查員的較量還在繼續，最終造就了世界級的調查員(不幸的是，也造就了世界級的偽造者)。

現在，把偽造者和調查員都看作機器人。當你成功的訓練偽造者成為一名畫家並且非常高明的調查員也無法辨別真假的時候，你發現你現在有了一個算法藝術家！這就是GANs內部的工作原理。是不是很牛逼？

這裡我還沒有涉及到GANs的複雜細節。這只是冰山一角。如果你有興趣學習更多關於GANs的知識，你應該閱讀這篇文章:

https://www.analyticsvidhya.com/blog/2017/06/introductory-generative-adversarial-networks-gans/?utm_source=blog&utm_medium=top-5-GANs-applications)

GANs的應用

現在我們已經對GANs的工作原理有了直觀的了解，我們現在開始探險了！現在可以深入研究一下GANs的有趣應用了，GANs目前在行業中廣泛使用。

GANs在圖像編輯中的應用

如今，大多數圖像編輯軟體都沒有給我們太多的靈活性來對圖片進行創造性的修改。例如，假設你想通過改變90歲老人的髮型來改變他/她的外貌。目前的圖像編輯工具無法做到這一點。不過，使用GANs，我們可以重建圖像，並大幅改變外觀。

這篇神奇的論文:https://arxiv.org/pdf/1611.06355.pdf演示了這個非常前沿的應用程式。

另一個類似的應用程式是圖像去雨(字面意思是從圖像中刪除雨的紋理)。想要一個例子嗎？查看以下圖片：

安全領域GANs的應用

對於大多數行業來說，人工智慧的崛起都是件好事。但在整個人工智慧革命背後，有一個真正令人擔憂的問題——網絡安全。即使是深度神經網絡也容易受到黑客攻擊。

工業應用程式一直關注的一個問題是，它們應該對網絡攻擊具有強大的抵抗力。電話里有很多機密信息！事實證明，GANs在這方面提供了巨大的幫助，直接解決了「對抗性攻擊」的問題。

這些對抗性攻擊使用各種技術來欺騙深度學習體系結構。GANs用於使現有的深度學習模型對這些技術更加健壯。怎麼實現的？通過創建更多這樣的偽例子並訓練模型來識別它們。很聰明吧。

一種名為SSGAN的技術(https://arxiv.org/abs/1707.01613)被用來對圖像進行隱寫分析，並檢測本不應該存在的有害編碼。

用GANs來生成數據

我們當中誰不想收集更多的數據來建立我們的深度學習模型呢？在某些領域，能不能拿到數據是個必要條件，特別是在需要訓練數據來建模監督學習算法的領域。這讓我想到了醫療保健行業。

GANs再次站了出來，因為他們可以用來生成數據的監督。下次你需要更多的數據時，你就知道該幹嘛了。

例如，本文(https://arxiv.org/pdf/1612.07828.pdf)探討了在GANs的幫助下創建合成數據，通過創建逼真的眼睛圖像來訓練深度學習算法。

用GANs做注意力預測

當我們看到一個圖像時，我們傾向於關注一個特定的部分(而不是整個圖像)。這被稱為注意力，這是人類的一個重要特徵。知道一個人會提前看哪裡，這對企業來說無疑是一個有用的功能，因為他們可以更好地優化和定位他們的產品。

例如，遊戲設計師可以專注於遊戲的特定部分，以增強功能，並使其更引人入勝。

這一迷人的想法在本文(https://arxiv.org/pdf/1701.01081)中得到了探索，作者試圖使用GANs識別給定圖像中最吸引人的部分。

用GANs生成3D物體

GANs在遊戲產業中非常受歡迎，不要感到驚訝。

遊戲設計師花了數不清的時間來創造3D角色和背景，以給他們一種真實的感覺。我向你們保證，通過想像來創建3D模型需要很多努力。用GANs來做看起來不現實嗎？我建議你看這個視頻。你可以相信GANs的強大功能，它可以用於自動化整個過程！

這裡有一個開源實現(https://github.com/maxorange/pix2vox)。如果你覺得有趣，就去試試吧！

結束語

GANs在研究中有大量的應用。我相信不久還會有更多的公司跟進。我希望以上的應用鼓勵你考慮更多這樣的想法，也許你可以想出自己的GAN！

英文原文：https://www.analyticsvidhya.com/blog/2019/04/top-5-interesting-applications-gans-deep-learning/