目录
二次元头像生成器 2
选题背景 2
实验流程 2
算法简介 2
环境搭建、运行例程 3
训练集优化 4
更多的图像！ 4
只训练一个人会发生什么？ 5
那么，训练一组画风相近的人物呢？ 6
集大成 7
网络优化 8
了解基本原理 9
DCGAN 10
其它技术 12
ReLU 和 LeakyReLU 12
loss 和学习率控制 12
随机梯度下降法 13
成果展示 13
总结分析 14
参考文献 15
二次元头像生成器
选题背景
第一次听到 GAN 这个词，是在视频网站上看到一个介绍 AI 作图生成器的视频。
人只需在空白的画布上指定天空、草地等元素，并勾勒出物体的轮廓，便可生成一张好似实景拍摄的风景画。甚至，还可以改变色调和主题。
这个视频可以说在当时颠覆了我对人工智能的认知，好似变魔术般的实现了真正的智能。 大二的我们自认为，尝试复现这样的算法可谓不自量力。但以多媒体技术这门课为契机，我们决定挑战一番。
经过论文阅读和资料搜集得知，该功能的核心算法为 GAUGAN，是生成对抗网络 GAN 的一种应用。最终，我们选定了本次的主题：使用 GAN 生成二次元头像。