生成式网络研究及应用综述

来源：计算机工程与应用杂志2026年第3期北京时间：

作者：沈淦杰, 张琳, 李泽慧, 山显英

单位：北京建筑大学 智能科学与技术学院，北京 102616；

摘要：生成对抗网络（GAN）自提出以来，就成为了深度学习领域最具影响力的生成模型之一，其在计算机视觉、自然语言处理、医学影像等多个领域均有所应用。GAN由生成器和判别器构成，通过对抗训练不断优化，以生成高度逼真的数据。过去十余年间GAN迅速发展，涌现出众多变种，大幅提升了训练稳定性和生成质量，并逐步与Transformer、大语言模型、扩散模型等新兴的深度学习技术融合，拓展了应用范围。但其仍面临模式崩溃、训练不稳定、评估标准不足及计算资源消耗高等挑战，研究人员也在不断探索优化策略来提升它的稳定性和泛化能力。系统回顾了GAN的发展历程，重点介绍其基本架构、主要变种及关键应用，涵盖计算机视觉、自然语言处理、医学影像、音乐生成和时间序列分析等领域；探讨了GAN目前的核心挑战及优化策略，并展望了未来发展趋势。

关键词：生成对抗网络（GAN）,深度学习,生成模型,变体及应用

基金资助：2019年中国建设教育协会教育教学科研立项重点课题（2021056）；北京建筑大学教研项目（Y2036）；北京建筑大学研究生教育教学质量提升项目（J2019004）。