对抗生成网络（GAN）是一种常用的人脸合成模型。GAN 包含两个核心模块：生成器（Generator）和判别器（Discriminator）。生成器的任务是从随机噪声中“创造”出一张看似真实的图片，而判别器则负责判别一张图片是真实的还是生成的。生成器和判别器之间展开了一场“智力博弈”：生成器不断提升生成图片的质量，试图骗过判别器。判别器变得越来越敏锐，努力识破生成器的“伪装”。经过这种反复对抗的过程，生成器最终学会了生成极其逼真的图片。

      当我们用GAN 生成人脸时，一张随机噪声图片可以被看作是一组生成因子的组合，生成器将这些因子“转化”成一张人脸。当训练数据足够丰富时，生成器可以产生几乎无法与真实照片区分的合成人脸。图 27.3展示了通过 GAN 生成的虚假人脸——它们看起来和真实人脸几乎没有区别。

基于 GAN 生成的人脸图片。图片来源：Karras et al. 2018

# 人工智能 # 生成对抗网络 # 神经网络 # dnn
Logo
DAMO开发者矩阵

DAMO开发者矩阵，由阿里巴巴达摩院和中国互联网协会联合发起，致力于探讨最前沿的技术趋势与应用成果，搭建高质量的交流与分享平台，推动技术创新与产业应用链接，围绕“人工智能与新型计算”构建开放共享的开发者生态。

更多推荐

cover

ISAACLAB 实战教程【搭建自己的仿真环境/实现PPO算法训练】

avatar DAMO开发者矩阵

ROS 2 URDF 导入与关节状态发布

rviz2 是一个 3D 可视化工具，能订阅 ROS2 中的各种话题（TF、点云、图像、地图、路径等），将机器人的物理形态、传感器数据、运动状态和规划结果以图形化的方式实时展示出来，帮助开发者调试和观察机器人行为；作用：提供一个图形界面（滑条窗口），让用户手动调节机器人关节角度，并将这些角度值发布到 /joint_states 话题，供 robot_state_publisher 等节点使用；jo

avatar DAMO开发者矩阵

移动协作机器人品牌推荐？导航精度、负载臂展与系统集成是关键

移动协作机器人的核心价值在于将自主移动能力和协作操作能力整合在同一平台上，适合工序分散、换线频繁、不适合铺设固定输送线的制造环境。选型时不能只看机械臂或底盘的单一参数，而需要从导航方式与工厂环境的匹配度、移动状态下机械臂与底盘的协同精度、安全策略与人机共享条件的适配性、以及软件调度与系统集成的规模化部署能力四个维度综合判断。艾利特、优艾智合、节卡、海康机器人和仙工智能各有侧重：艾利特依托全栈自研的

avatar DAMO开发者矩阵