GAN变体：DCGAN与条件GAN - Biscuitの赛博小窝

826 字

4 分钟

GAN变体：DCGAN与条件GAN

2026-07-01

无标签

原始 GAN 使用全连接网络作为生成器和判别器，生成的图像质量有限。DCGAN（Radford et al., 2016）和 cGAN（Mirza & Osindero, 2014）分别从架构和条件控制两个方向推动了 GAN 的演进，直接为 StyleGAN 奠定了设计基础。

DCGAN：全卷积化架构#

DCGAN 将 GAN 从全连接网络迁移到全卷积网络，并提出一组经验性架构指南。这些设计被后续几乎所有 GAN 架构继承，包括 StyleGAN。

生成器设计#

DCGAN 生成器从 100 维的随机噪声 $z$ 开始，通过一系列转置卷积（Transposed Conv）逐步上采样到输出尺寸（如 $64\times64$ ）。核心结构为：

1
z (100维) → Reshape → ConvTranspose4×4 → BN → ReLU → ...
2
→ ConvTranspose4×4 → BN → ReLU → ...
3
→ ConvTranspose4×4 → Tanh (输出图像)

每层转置卷积将特征图尺寸翻倍，通道数减半。

判别器设计#

判别器是对称的下采样结构：

1
→ Conv4×4 → BN → LeakyReLU(α=0.2) → ...
2
→ Conv4×4 → BN → LeakyReLU → ...
3
→ Conv4×4 → Sigmoid(输出真伪概率)

DCGAN 架构指南#

原则	说明	影响
全卷积化	不使用池化层和全连接层	参数量可控，支持变尺寸输入
BN 层	生成器和判别器（除输出层）都加 BN	稳定训练分布，加速收敛
生成器输出用 Tanh	将像素值限制在 $[-1, 1]$	比 Sigmoid 的梯度更平滑
判别器用 LeakyReLU	防止判别器的梯度在负半轴消失	避免判别器过早饱和
对称结构	生成器的上采样层数和判别器的下采样层数对应	生成器和判别器的能力匹配

cGAN：条件生成#

标准 GAN 的生成器只接收随机噪声 $z$ ，无法控制生成的内容。cGAN 将额外条件信息 $c$ 同时输入到生成器和判别器：

生成器#

G(z, c) : \text{噪声 } z \text{ + 条件 } c \rightarrow \text{生成样本 } \hat{x}

条件 $c$ 可以是类别标签（如”猫”）、文本描述、或另一张图像（如 pix2pix 中的语义地图）。

目标函数#

\min_G \max_D \mathbb{E}_{x\sim p_{\text{data}}}[\log D(x|c)] + \mathbb{E}_{z\sim p_z}[\log(1 - D(G(z|c)|c))]

判别器同时接收样本和条件，判断”符合条件 $c$ 的真实样本 $(x, c)$ “与”不符合条件的样本”。

应用与意义#

cGAN 为 GAN 的实用化开辟了道路。pix2pix（Isola et al., 2017）将 cGAN 用于图像翻译（边缘图→照片），CycleGAN（Zhu et al., 2017）进一步将其扩展到无配对数据的场景。而条件控制的理念在 StyleGAN 的各个层级中得到深化——从简单的类别标签发展到逐层的风格条件注入。

从 DCGAN 到 StyleGAN#

DCGAN 确立了全卷积 + BN + LeakyReLU 的骨架，cGAN 奠定了条件控制的范式。StyleGAN（Karras et al., 2019）在此基础上做了两个关键突破：

用 Mapping Network 替代固定的噪声输入：将随机向量 $z$ 映射到解耦的中间隐空间 $W$ ，实现了对生成过程的精细控制。
用 AdaIN 替代 BN 的特征归一化：在合成网络的每个分辨率层级注入风格信息，使不同层级的特征可以独立控制不同尺度的视觉属性。

这些突破构成了下一篇文章的核心内容。

GAN变体：DCGAN与条件GAN

https://biscuit0613.github.io/posts/cv/cv-gan-variants/

作者

Biscuit

发布于