GAN的研究和应用在这几年发展可以说是非常迅猛，无疑是这几年深度学习计算机视觉领域里落地性最酷的技术之一，包括图像与视频生成，数据仿真与增强，各种各样的图像风格化任务，人脸与人体图像编辑，图像质量提升等。
GAN最早期也是最经典的任务，就是高质量图像生成，当前已经可以生成1024分辨率以上的高清逼真图像，如下图生成了一些假明星脸。
图像翻译与风格化则是另外一个应用极其广泛的领域，因为从图像到图像的任务都可以称之为图像翻译任务，如经典的图像分割/边缘检测，图像超分辨率/图像风格化。随着生成对抗网络技术的成熟，我们可以将其用于各类图像翻译任务，常见的包括黑白图像上色，线稿上色，风格迁移，人脸风格化等任务。
如今基于GAN还可以实现一些非常有趣的应用，比如人脸的各种属性编辑。
最新的人脸换脸等技术被广泛应用于影视剧内容创作，如网络电视剧《风声》中周一围换脸赵立新。
纵观整个CV领域，做GAN算法的从业者其实不多，做得好的就更少了，下面是比较典型的对GAN方向的岗位需求。
学好GAN算法，对于计算机视觉领域从业，自然是不会错的。我们公众号输出过非常多的GAN相关资源，本次做一个简单汇总，主要是包括几十篇理论与实战技术文章，免费与付费的视频课，知识星球中的GAN模型原理解读专题。
GAN相关技术文章
2019年起，小米粥同学开设过专栏《GAN的优化》，主讲了GAN相关的基础理论。本专栏及其后续内容有超过15篇文章，从生成模型出发，讲述了GAN的基本理论，包括工作原理，更具有普适性的f散度度量和Wasserstein距离，以及IPM框架；接着介绍了GAN训练困难的原因以及几个训练技巧，各种GAN的正则项的优劣；GAN中的模式崩溃问题以及几个比较好的解决方案。
