ANTI-AI ARCHIVE
艺术史节点 / 080 · 2014

生成对抗网络

Generative Adversarial Nets

Goodfellow et al.

导读

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。

原始文献#080
所链接文献 PDF 的第 4 页,保留原图与原语言。页面版本以来源文件为准;后来的修订或重印日期不替代节点的历史日期。查看大图 ↗

所链接文献 PDF 的第 4 页,保留原图与原语言。页面版本以来源文件为准;后来的修订或重印日期不替代节点的历史日期。

Goodfellow et al. · 原文献 · 图像权利归原权利人;不视为开放许可

资料出处 · Generative Adversarial Nets ↗

档案研究说明

通过对抗训练学习生成

ANTI-AI ARCHIVE · 修订 2026-10-02

研究方法与具体变化

GAN 同时训练生成器与判别器:前者产生样本,后者区分样本来自训练数据还是生成器。生成器通过使判别器出错来改进。论文给出理想函数空间中的博弈论结果,并展示神经网络实验;理想均衡的数学论述不能当作每次实际训练都会成功的保证。

本节依据: 生成对抗网络:资料依据

在艺术史中的位置

编者解释:生成与评价被连接进同一训练过程,但判别器学习的标准不是艺术批评。GAN 艺术还涉及数据选择、模型训练、输出筛选和展示。后来的 Belamy 拍卖与 Klingemann 装置可以帮助区分算法的发表与艺术制度中的使用。

本节依据: 生成对抗网络:资料依据

正文引用资料

生成对抗网络:资料依据 ↗

核读作者或会议页面的摘要与版本记录;未通读全部证明或复现实验。

本篇按引用范围扩写档案说明;研究解释不应被理解为原作者的自述或已证实的因果影响。 正文与译文使用 AI 辅助,尚未经独立人工审校;分节引文标明依据,不代表已独立验证全部史实。

带着问题继续阅读

《埃德蒙·德·贝拉米肖像》拍卖 ↗

比较本条与《埃德蒙·德·贝拉米肖像》拍卖之间的制作方法、控制方式或展示语境。

《过路人的记忆 I》 ↗

比较本条与《过路人的记忆 I》之间的制作方法、控制方式或展示语境。

日期与版本记录

节点标注日期:2014 · 来源记录的历史日期: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

主线节点 #080 · 历史节点

研究资料与补充出处 · 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

站内说明依据所列研究资料撰写,非外链全文译本;AI 辅助翻译,待独立人工审校。

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 #080. 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。