13.2 GAN变体：DCGAN、WGAN、CycleGAN、StyleGAN

13.2 GAN变体：DCGAN、WGAN、CycleGAN、StyleGAN

生成对抗网络的演进史，是一部围绕训练稳定性、生成质量与可控性三大核心挑战的攻坚史。原始GAN虽然提出了对抗学习的革命性范式，但其在实践中的不稳定性与生成模式的单一性，催生了大量旨在解决特定问题的变体模型。本节将聚焦四个里程碑式的变体：DCGAN、WGAN、CycleGAN和StyleGAN。它们分别从网络架构、损失函数理论、无监督翻译范式和精细化生成控制四个维度，将GAN从概念原型推向工业级应用的广阔舞台。对它们的深入剖析，不仅能揭示GAN技术的演进逻辑，更能为理解和设计现代生成模型提供核心范式。

13.2.1 DCGAN：深度卷积架构的奠基与规范化

原始GAN采用全连接网络，生成的图像模糊且分辨率低。DCGAN首次系统地将卷积神经网络集成到GAN框架中，并总结出一套行之有效的架构设计准则，为后续所有基于视觉的GAN研究奠定了工程基础[1]。

13.2.1.1 核心架构准则

DCGAN的成功并非源于单一创新，而在于一系列经验性的、协同工作的设计选择：

1. 卷积化与反卷积化：用跨步卷积取代池化层用于判别器的下采样，用转置卷积（反卷积）用于生成器的上采样。这赋予了网络更强的空间特征学习能力。
2. 批量归一化的广泛应用：在生成器和判别器的几乎所有层（生成器输出层和判别器输入层除外）后引入批量归一化。这有助于稳定深度网络的训练，缓解梯度问题，并加速收敛。
3. 激活函数的精心选择：生成器输出层使用Tanh将像素值约束至[−1,1][-1, 1][−1,1]；生成器隐层使用ReLU；判别器所有层使用LeakyReLU（负斜率通常为0.2），以防止稀疏梯度导致的“神经元死亡”。
4. 移除全连接层：除判别器可能保留的最终分类层外，网络基本摒弃了全连接层，转向全卷积结构，大幅减少了参数量。

13.2.1.2 潜在空间的语义发现

DCGAN的生成器GGG将随机噪声向量z∈R100z \in \mathbb{R}^{100}z∈R100映射为图像。研究者发现，通过对zzz进行算术运算（如z微笑女−z中性女+z中性男≈z微笑男z_{\text{微笑女}} - z_{\text{中性女}} + z_{\text{中性男}} \approx z_{\text{微笑男}}z微笑女​−z中性女​+z中性男​≈z微笑男​），能生成对应语义变化的图像[1]。这表明，在成功的训练下，GAN的潜在空间能自发地学习到解耦的、有语义的特征表示，这一发现深刻影响了后续可控生成的研究。DCGAN确立了CNN在图像生成中的基础地位，但其本身并未解决GAN在理论上的训练不稳定性问题。

13.2.2 WGAN：从散度度量到Wasserstein距离的理论革新

原始GAN的损失函数等价于最小化生成分布pgp_gpg​与真实分布pdatap_{data}pdata​之间的Jensen-Shannon散度。当两分布支撑集不重叠或重叠测度为零时，JS散度为常数，梯度为零，导致生成器无法获得有效更新，此即梯度消失和模式崩溃的理论根源之一[2]。WGAN从分布度量的理论层面进行根本性革新，用Wasserstein距离替代JS散度，带来了训练稳定性的质的飞跃。

13.2.2.1 Wasserstein距离的优势

Wasserstein距离（推土机距离）定义为：
W(pdata,pg)=inf⁡γ∈Π(pdata,pg)E(x,y)∼γ[∥x−y∥] W(p_{data}, p_g) = \inf_{\gamma \in \Pi(p_{data}, p_g)} \mathbb{E}_{(x, y) \sim \gamma} [\|x - y\|]W(pdata​,pg​)=γ∈Π(pdata​,pg​)inf​E(x,y)∼γ​[∥x−y∥]
其中Π(pdata,pg)\Pi(p_{data}, p_g)Π(pdata​,p