从‘造假’到‘创作’：GAN在PyTorch中的五大高阶玩法

当Ian Goodfellow在2014年提出生成对抗网络时，他可能没想到这个简单的博弈框架会掀起一场AI创作革命。如今，GAN早已突破最初的图像生成范畴，成为跨领域创新的催化剂。本文将带你探索PyTorch框架下GAN技术的五个前沿应用方向，每个案例都配有可直接运行的代码片段。

1. 跨域风格迁移：CycleGAN实战

传统GAN需要成对数据训练，而CycleGAN通过引入循环一致性损失（cycle-consistency loss）实现了无监督的跨域转换。比如将马变成斑马，或将照片转为莫奈画风：

class CycleGAN(nn.Module):
    def __init__(self):
        super().__init__()
        self.G_AB = Generator()  # A域到B域的生成器
        self.G_BA = Generator()  # B域到A域的生成器
        self.D_A = Discriminator()  # A域判别器
        self.D_B = Discriminator()  # B域判别器
        
    def forward(self, real_A, real_B):
        fake_B = self.G_AB(real_A)
        rec_A = self.G_BA(fake_B)
        fake_A = self.G_BA(real_B)
        rec_B = self.G_AB(fake_A)
        return fake_B, rec_A, fake_A, rec_B

关键训练技巧：

• 使用 LSGAN （最小二乘GAN）替代原始GAN损失，提升训练稳定性
• 引入 身份损失 （identity loss）保持内容一致性
• 采用 PatchGAN 判别器进行局部纹理判别

提示：实际应用中建议先用小分辨率（如128x128）快速验证效果，再逐步提升分辨率

2. 数据增强新范式：GAN助力小样本学习

当医疗影像标注数据不足时，GAN可以生成逼真的病理图像辅助训练。相比传统数据增强方法，GAN生成的样本具有更丰富的多样性：

# 医学图像生成器示例
class MedicalGAN(nn.Module):
    def __init__(self):
        super().__init__()
        self.main = nn.Sequential(
            nn.ConvTranspose2d(100, 512, 4),
            nn.BatchNorm2d(512),
            nn.ReLU(),
            nn.ConvTranspose2d(512, 256, 4, stride=2),
            nn.BatchNorm2d(256),
            nn.ReLU(),
            nn.ConvTranspose2d(256, 1, 4, stride=2, padding=1),
            nn.Tanh()
        )

实际应用中发现，结合 条件GAN （cGAN）可以控制生成图像的类别特征，比如指定生成特定类型的肿瘤图像。

3. 时序数据生成：当GAN遇见LSTM

GAN不仅限于图像领域，通过结合LSTM等时序模型，可以生成逼真的股价走势、音乐旋律等序列数据：

class TimeGAN(nn.Module):
    def __init__(self):
        super().__init__()
        self.gru = nn.GRU(input_size=10, hidden_size=64, num_layers=3)
        self.fc = nn.Linear(64, 1)
        
    def forward(self, noise):
        # noise shape: (seq_len, batch, noise_dim)
        output, _ = self.gru(noise)
        seq = self.fc(output)
        return seq

在金融数据生成任务中，需要特别注意：

• 添加 自相关性损失 保持序列统计特性
• 使用 Wasserstein距离 衡量分布差异
• 引入 滑动窗口判别器 捕捉局部模式

4. 三维形状生成：从2D到3D的跨越

通过将GAN与三维卷积结合，可以实现从二维草图到三维模型的自动生成：

class VoxelGAN(nn.Module):
    def __init__(self):
        super().__init__()
        self.generator = nn.Sequential(
            nn.ConvTranspose3d(100, 256, 4),
            nn.BatchNorm3d(256),
            nn.ReLU(),
            nn.ConvTranspose3d(256, 128, 4, stride=2),
            nn.BatchNorm3d(128),
            nn.ReLU(),
            nn.ConvTranspose3d(128, 1, 4, stride=2),
            nn.Sigmoid()
        )

实际项目中的优化技巧：

• 使用 Octree表示 降低显存消耗
• 添加 多视角一致性约束
• 结合 点云后处理 提升表面质量

5. 语音与文本的生成对抗

在NLP领域，GAN可以用于：

• 生成逼真的对话文本
• 语音风格转换
• 对抗样本生成

class TextGAN(nn.Module):
    def __init__(self, vocab_size):
        super().__init__()
        self.embed = nn.Embedding(vocab_size, 256)
        self.lstm = nn.LSTM(256, 512, num_layers=3)
        self.fc = nn.Linear(512, vocab_size)
        
    def forward(self, z):
        # z shape: (seq_len, batch, noise_dim)
        embedded = self.embed(z)
        output, _ = self.lstm(embedded)
        logits = self.fc(output)
        return logits

文本生成的特殊挑战：

• 离散token导致梯度传播困难
• 需要结合 强化学习 策略（如SeqGAN）
• 评估指标设计（BLEU vs 人工评价）

在最近的一个客服对话生成项目中，我们发现结合 BERT作为判别器 可以显著提升生成语句的连贯性。