f-GAN—f-GAN：使用变分散度最小化训练生成式神经采样器（f-GAN: Training Generative Neural Samplers using Variational Divergence Minimization）：https://arxiv.org/abs/1606.00709

GoGAN—Gang of GANs: 使用最大间隔排序的生成对抗网络（Generative Adversarial Networks with Maximum Margin Ranking）：https://arxiv.org/abs/1704.04865

GP-GAN—GP-GAN: 走近逼真的高分辨率图像混合（Towards Realistic High-Resolution Image Blending）：

IAN—使用自省的对抗性网络进行神经图像编辑（Neural Photo Editing with Introspective Adversarial Networks）：https://arxiv.org/abs/1609.07093

iGAN—在自然图像流形上的生成式视觉操作（Generative Visual Manipulation on the Natural Image Manifold）：https://arxiv.org/abs/1609.03552v2

IcGAN—图像编辑的可逆条件生成对抗网络（Invertible Conditional GANs for image editing）：https://arxiv.org/abs/1611.06355

ID-CGAN- 使用条件生成对抗网络的图像 De-raining（Image De-raining Using a Conditional Generative Adversarial Network）：

Improved GAN—生成对抗网络训练的改进技术（Improved Techniques for Training GANs）：https://arxiv.org/abs/1606.03498

InfoGAN—InfoGAN：信息最大化生成对抗网络的可解释性表征学习（InfoGAN:Interpretable Representation Learning by Information Maximizing Generative Adversarial Nets）：

LR-GAN—LR-GAN：用于图像生成的分层递归生成对抗网络（LR-GAN: Layered Recursive Generative Adversarial Networks for Image Generation）：

LSGAN—最小二乘生成对抗网络（Least Squares Generative Adversarial Networks）：

LS-GAN—利普希茨密度上的损失敏感型生成对抗网络（Loss-Sensitive Generative Adversarial Networks on Lipschitz Densities）：

MGAN—使用马尔可夫过程的生成对抗网络预计算实时纹理合成（Precomputed Real-Time Texture Synthesis with Markovian Generative Adversarial Networks）：https://arxiv.org/abs/1604.04382

MAGAN—MAGAN: 生成对抗网络的边缘自适应（Margin Adaptation for Generative Adversarial Networks）：

MalGAN—基于生成对抗网络的黑箱攻击的对抗性恶意实例生成（Generating Adversarial Malware Examples for Black-Box Attacks Based on GAN）：

MARTA-GAN—遥感图像的深度无监督表征学习（Deep Unsupervised Representation Learning for Remote Sensing Images）：https://arxiv.org/abs/1612.08879

McGAN—McGan: 均值和协方差特征匹配生成对抗网络（Mean and Covariance Feature Matching GAN）：

MedGAN—使用生成对抗网络生成多标注的离散电子健康记录（Generating Multi-label Discrete Electronic Health Records using Generative Adversarial Networks）：

MIX+GAN—生成对抗网络中的泛化与均衡（Generalization and Equilibrium in Generative Adversarial Nets /GANs）：https://arxiv.org/abs/1703.00573v3

MPM-GAN—生成对抗网络多智能体的信息传递（Message Passing Multi-Agent GANs）：https://arxiv.org/abs/1612.01294

MV-BiGAN—多视角生成对抗网络（Multi-view Generative Adversarial Networks）：

pix2pix—条件对抗网络的图到图翻译（Image-to-Image Translation with Conditional Adversarial Networks）：https://arxiv.org/abs/1611.07004

PPGN—即插即用生成网络：在潜在空间中生成条件迭代图像（Plug & Play Generative Networks: Conditional Iterative Generation of Images in Latent Space）：https://arxiv.org/abs/1612.00005

PrGAN—从多对象 2D 视角归纳 3D 模型（3D Shape Induction from 2D Views of Multiple Objects）：https://arxiv.org/abs/1612.05872

RenderGAN—RenderGAN：生成逼真标注数据（RenderGAN: Generating Realistic Labeled Data）：https://arxiv.org/abs/1611.01331

RTT-GAN—可视段落生成的循环主题转换 GAN（Recurrent Topic-Transition GAN for Visual Paragraph Generation）：https://arxiv.org/abs/1703.07022v2

SGAN—堆栈 GAN（Stacked Generative Adversarial Networks）：https://arxiv.org/abs/1612.04357v4

SGAN—空间 GAN 的纹理合成（Texture Synthesis with Spatial Generative Adversarial Networks）：https://arxiv.org/abs/1611.08207

SAD-GAN—SAD-GAN：通过 GAN 合成自动驾驶（SAD-GAN: Synthetic Autonomous Driving using Generative Adversarial Networks）：https://arxiv.org/abs/1611.08788v1

SalGAN—SalGAN：通过 GAN 预测视觉显著度（SalGAN: Visual Saliency Prediction with Generative Adversarial Networks）：https://arxiv.org/abs/1701.01081v2

SEGAN—SEGAN：语音增强 GAN（SEGAN: Speech Enhancement Generative Adversarial Network）：https://arxiv.org/abs/1703.09452v1

SeqGAN—SeqGAN：具有策略梯度的序列 GAN ( SeqGAN: Sequence Generative Adversarial Nets with Policy Gradient)：https://arxiv.org/abs/1609.05473v5

SketchGAN—用于草图检索的对抗训练（Adversarial Training For Sketch Retrieval）：https://arxiv.org/abs/1607.02748

(责任编辑：本港台直播)