历史背景与研究说明
GAN 把图像生成带入数据驱动的分布学习时代。与 AARON 等规则系统相比，生成逻辑不再主要由艺术家显式编码，而是从训练数据中学习。这个范式改变了“机器图像”的本体：输出开始被理解为某个数据分布的样本。
日期与版本记录
节点标注日期：2014 · 研究母版原记日期：2014
以上日期属于历史事件或资料所记版本，不是本站页面的上线日期；保留原有日期精度与待核事项。
原始资料与进一步阅读
以下链接通往来源的论文、文章、机构或会议页面。外部原文的语言以来源为准。
01
生成对抗网络 ↗
Generative Adversarial Nets
https://papers.nips.cc/paper/5423-generative-adversarial-nets
当前引用地址
出处、翻译与核验状态
档案节点 #045 · 历史节点
研究母版与补充出处 · 1
AI 艺术谱系研究母版 · p. 15 · 045
原记日期: 2014
生成对抗网络 ↗
Generative Adversarial Nets
站内说明据母版译编，非外链全文译本；AI 辅助翻译，待人工审校。
母版研究论述与日期尚待独立核验。
引用本节点
ANTI-AI ARCHIVE. 生成对抗网络. 艺术史节点 #045. https://salondesrefuses.cn/zh/art-history/045
引用具体史实时，请同时引用上方原始资料，并补充你的访问日期。本站说明不是外链全文译本。
相邻节点按时间顺序排列，不意味着二者存在直接影响或因果关系。