深度卷積生成對抗網路

DCGAN 是讓 GAN 真正能在影像上訓練起來的那個模型，靠的是寫下一套架構準則的「食譜」。在它之前，影像上的 GAN 出了名地不穩定；DCGAN（Radford、Metz 與 Chintala，2015）找出一組卷積網路的設計選擇，能可靠地產生銳利的 64×64 影像並穩定訓練，這些選擇也成了此後多年眾多 GAN 的預設骨幹。

核心準則如下：用步幅卷積（判別器中）與分數步幅／轉置卷積（生成器中）取代所有池化，讓網路自行學習上採樣與下採樣；在兩個網路中都使用批次正規化，但不用在生成器的輸出層與判別器的輸入層（會造成不穩）；為更深的架構移除全連接隱藏層（採全卷積設計）；生成器除輸出為 tanh 外，所有層用 ReLU；判別器所有層用 LeakyReLU。生成器接受一個 100 維的高斯 z，將它投影並重塑成一個小的空間張量，再透過轉置卷積上採樣成最終影像。

除了穩定訓練外，DCGAN 還證明所學到的潛在空間是有結構、語意上有意義的：在兩個 z 向量之間內插會讓生成影像平滑漸變，而 z 中的向量算術也成立（人臉上著名的「微笑女子 − 無表情女子 + 無表情男子 ≈ 微笑男子」）。它也顯示判別器所學的特徵很適合下游分類，佐證了有用的表示學習。如今 DCGAN 是基準與教學模型、而非最先進技術，但它的慣例迴盪在此後幾乎每一個影像 GAN 之中。