SL-GAN—半隐 GAN：学习根据属性生成和修改面部图像（Semi-Latent GAN: Learning to generate and modify facial images from attributes）：https://arxiv.org/abs/1704.02166

SRGAN—使用一个 GAN 实现图片逼真的单一图像超分辨率（Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network）：https://arxiv.org/abs/1609.04802v3

S?2;GAN—使用风格与结构对抗网络建模生成图像（Generative Image Modeling using Style and Structure Adversarial Networks）：https://arxiv.org/abs/1603.05631v2

SSL-GAN—通过语境条件下的 GAN 实现半监督学习（Semi-Supervised Learning with Context-Conditional Generative Adversarial Networks）：https://arxiv.org/abs/1611.06430v1

StackGAN—StackGAN：通过堆栈 GAN 合成文本到图片的逼真图像（StackGAN: Text to Photo-realistic Image Synthesis with Stacked Generative Adversarial Networks）：https://arxiv.org/abs/1612.03242v1

TGAN—时间 GAN（Temporal Generative Adversarial Nets）：https://arxiv.org/abs/1611.06624v1

TAC-GAN—TAC-GAN—文本条件下的辅助生成器 GAN（TAC-GAN—Text Conditioned Auxiliary Classifier Generative Adversarial Network）：https://arxiv.org/abs/1703.06412v2

TP-GAN—超越人脸旋转：通过保有正面视图合成打造用于逼真和身份的整体与局部感知 GAN（Beyond Face Rotation: Global and Local Perception GAN for Photorealistic and Identity Preserving Frontal View Synthesis）：https://arxiv.org/abs/1704.04086

Triple-GAN—三重 GAN（Triple Generative Adversarial Nets）：https://arxiv.org/abs/1703.02291v2

VGAN—作为能量模型变分训练的 GAN（Generative Adversarial Networks as Variational Training of Energy Based Models）：https://arxiv.org/abs/1611.01799

VAE-GAN—使用学习的相似性度量进行超像素自编码（Autoencoding beyond pixels using a learned similarity metric）：https://arxiv.org/abs/1512.09300

ViGAN—通过变分信息 GAN 生成和编辑图像（Image Generation and Editing with Variational Info Generative AdversarialNetworks）：https://arxiv.org/abs/1701.04568v1

WGAN—Wasserstein GAN：https://arxiv.org/abs/1701.07875v2

WGAN-GP—Wasserstein GAN 的改进训练（Improved Training of Wasserstein GANs）：https://arxiv.org/abs/1704.00028

WaterGAN—WaterGAN：实时校正单目水下图像色彩的无监督生成网络（WaterGAN: Unsupervised Generative Network to Enable Real-time Color Correction of Monocular Underwater Images）：https://arxiv.org/abs/1702.07392v1

机器之心报道 GAN 相关文章