生成对抗网络是2014年由Ian Goodfellow等人提出的一种深度学习架构

它由两个神经网络组成，一个生成网络和一个判别网络。生成网络负责生成与训练数据相似的新数据，而判别网络则负责区分生成的数据是否与训练数据相似。两个网络在不断地博弈中，使得生成网络能够不断地生成更加逼真的数据，同时判别网络能够不断提高自己的判别能力，最终生成网络可以生成非常逼真的数据。由于GAN可以学习到数据的分布，因此可以应用于图像生成、风格转换、图像修复、超分辨率等多个领域。