高保真 GAN

早期 GAN 证明了对抗训练可以生成图像，但高分辨率图像会放大所有问题。生成器需要同时处理整体结构和局部纹理，判别器也更容易从细节中找到真假差异；如果一开始就在高分辨率上训练，梯度信号可能被局部伪影主导，训练动态很容易失衡。PGGAN、SAGAN、BigGAN 和 StyleGAN 的共同目标，就是把高分辨率生成拆成更可控的工程问题 #Karras et al., 2017 #Zhang et al., 2018 #Brock et al., 2018 #Karras et al., 2018。

图 1：高保真 GAN 的演进，从渐进增长到注意力、规模化和 style-based generator。

PGGAN 的直觉非常工程化：先从低分辨率开始训练，让模型掌握粗略结构，再逐步增加生成器和判别器层数，把分辨率提高到 1024×1024。Karras 等人把这种策略称为 progressive growing，并报告它能显著提升训练稳定性、生成质量和样本变化度 #Karras et al., 2017。

这个策略解决的是优化路径问题，而不是单纯模型容量问题。高分辨率图像包含大量细节，如果模型一开始就面对全部频率成分，很容易在局部纹理上震荡；逐级训练则像课程学习，先学低频结构，再学高频细节。论文在 CelebA-HQ 上生成 1024×1024 人脸，并在无监督 CIFAR-10 上报告 8.80 的 Inception Score #Karras et al., 2017。

卷积适合局部纹理，但图像真实感也依赖远距离结构一致性，例如动物头部和身体、左右眼、背景与主体之间的关系。SAGAN 把 self-attention 引入 GAN，让生成器和判别器都能建模远距离依赖，并结合谱归一化改善训练动态 #Zhang et al., 2018。

SAGAN 在 ImageNet 上给出非常明确的质量跃迁：Inception Score 从此前最佳的 36.8 提升到 52.52，FID 从 27.62 降到 18.65 #Zhang et al., 2018。这个结果说明，高保真生成不只是“卷积堆得更深”，还需要让模型理解跨区域关系。

BigGAN 证明了规模化对 GAN 同样有效。Brock、Donahue 和 Simonyan 使用更大的模型、更大的 batch、类别条件 BatchNorm、谱归一化、正交正则和 truncation trick，在 ImageNet 类别条件生成上显著刷新质量 #Brock et al., 2018。

但 BigGAN 也揭示了高性能 GAN 的脆弱性。论文指出，大模型训练可能出现突然崩溃，完全稳定化有时会牺牲最高性能 #Brock et al., 2018。truncation trick 则体现了质量和多样性的权衡：缩小潜变量采样范围可以提高样本保真度，但也可能减少模式覆盖。

StyleGAN 的关键不是简单增大网络，而是重写生成器。Karras、Laine 和 Aila 引入 mapping network，把输入潜变量映射到中间潜空间 $W$，再通过逐层 style modulation 控制生成过程；随机噪声则用于控制毛发、雀斑等细粒度随机细节 #Karras et al., 2018。

这种架构把图像属性分层：高层控制姿态、脸型等粗结构，低层控制颜色、纹理和细节。论文在 FFHQ 上把 Progressive GAN baseline 的 FID 8.04 改进到约 4.40，并展示了更好的潜空间可分解性 #Karras et al., 2018。StyleGAN2 随后分析水滴状伪影，重新设计归一化方式，并加入 path length regularization，使潜空间到图像的映射条件更好 #Karras et al., 2019。

高保真 GAN 的历史说明，质量提升往往来自多个因素叠加：PGGAN 优化训练路径，SAGAN 增强长程依赖，BigGAN 放大模型与 batch，StyleGAN 重构潜空间和生成器。它们共同把 GAN 从“能生成自然图像”推进到“能生成高分辨率、可控、可编辑的图像”。