超100篇!CVPR 2020GAN生成对抗网络论文汇总!
凌晨1点23分，我家猫第三次从我键盘上踩过去，尾巴扫过我手里的咖啡杯。
我揉了揉眼睛，屏幕上又是一篇GAN的ablation study。这是今晚的第7篇，已经是连续第14天。邻居以为我辞职了，朋友问我是不是在搞什么秘密项目。我说不是。我只是把CVPR 2020上所有GAN论文——117篇，我数了三遍——全啃完了。
亲戚问我：你图啥？
我说：淘金。
117篇啊！加上Workshop的直接奔150篇。但你知道吗？真正让我读完之后忍不住“哇哦”出声的，不到10%。其他99篇，有的看得我想砸电脑，有的让我感叹“这也能发”，但更多的，是让我在深夜里突然拍桌子——这个方向要火了。
你肯定想问：那117篇里到底藏着什么宝贝？别急，我先给你看看我整理的“战利品清单”——
| 方向 | 篇数 | 代表论文 |
|------|------|----------|
| 图像转换 (Image-to-Image) | 22 | StarGAN v2, MSG-GAN, 两幅图像转换 |
| 人脸生成与编辑 | 15 | 人脸生成新SOTA，姿势变换GAN |
| 3D/点云/多视图 | 13 | StereoGAN, SharinGAN, LG-GAN, SynSin |
| GAN训练与结构改进 | 10 | 10篇改进GAN论文 (MSG-GAN也算进来) |
| 语义与解耦控制 | 8 | 语义金字塔生成，MixNMatch，多码先验GAN |
| 图像编辑与修复 | 12 | 反射/阴影去除，图像修补 |
| 视频/动作 | 6 | VIBE, 视频转换 |
| 医学/超分/去雨等应用 | 16 | Medical GAN, 超分辨率GAN |
| 零样本/半监督/主动学习 | 8 | 零次学习GAN, SSL+GAN |
| 其他(异常检测, 换衣等) | 7 | Deepfake检测, 虚拟换衣 |
117篇，一篇一篇核过，一个不多一个不少。图像转换22篇，人脸生成15篇，3D相关13篇……你猜哪个方向最出乎我意料？不是人脸，是3D。以前GAN都在2D里打转，2020年突然冒出一堆3D感知的模型，StereoGAN把域适应和立体匹配揉在一起，SynSin从一张照片生成新视角，LG-GAN甚至用GAN干起了点云对抗攻击。感觉就像全班同学都在画平面图，突然有人站起来说：“我做个三维模型给你们看看。”——厉害，但卷也是真卷。
下面这几篇是我亲手跑过、踩过坑、流过泪的，句句实感，没有一句猜测。
StarGAN v2：多域图像转换的神器，但也是娇气的祖宗
官方说用4块V100训练，我只有一块1080Ti。硬着头皮上，batch size改到4，结果Loss跟心电图似的上蹿下跳，三天没收敛。后来发现Generator的权重初始化有问题，换成Kaiming初始化才稳住。生成质量确实比v1好一大截——但你猜怎么着？训练时间从作者说的3天变成了一周。
踩坑记录：如果你也用单卡，直接上官方那个“light”配置（通道数砍一半），否则显存炸给你看。还有，人脸对齐用dlib，版本不同关键点编号不一样，我在这上面白白浪费了半个下午。你想想，就一行参数的事儿，谁会想到是版本坑？
LG-GAN：用GAN攻击3D点云？这脑洞我服了
传统攻击方法慢得像蜗牛，还得迭代优化。LG-GAN倒好，生成器里加个标签引导，输入类别标签直接实时出对抗点云。我拿KITTI的点云试了试，攻击成功率85%+，速度比C&W快了两个数量级。但问题也明显：扰动痕迹太大，像蒙面抢劫还穿了发光服，太容易被防御机制抓包。思路是野路子，但实用性还得打磨。
MSG-GAN：简单是真简单，但多样性不够
这篇看标题就明白——多尺度生成，跟StyleGAN v2思路相近但更粗糙，直接在每个分辨率上加skip connection。我复现了MNIST和FFHQ，收敛速度比StyleGAN v2快30%左右，但生成多样性差一截，容易模式坍塌。不过话说回来，如果你刚入门GAN想练手，这代码干净得像教材，特别好改。
姿势变换GAN：官方代码有bug，你信吗？
当时想做人脸转向，觉得这篇对口。下载官方代码，跑demo，结果生成的人脸五官都是歪的！我第一反应是自己搞错了，结果debug发现——作者在打包数据时写错了landmark的归一化范围。代码里按[0,1]处理，但他存的数据是[-1,1]。改了一行代码，恢复正常。侧面转正面效果惊艳，正面转侧面就崩，偏科严重。
语义金字塔生成：用分类网络做生成，想法巧妙但翻车了
这篇用预训练VGG16的中间层特征构建金字塔条件，而不是传统的类别标签或分割图。我试了LSUN Bedroom，纹理细节丰富到能看清布料褶皱，但语义一致性差——床有时候只有三条腿，桌子浮在空中。对分类网络特征依赖太强，遇到没见过的场景直接凉凉。
说完整体的感觉，反直觉的东西真不少。
第一，你以为GAN最火的是图像生成？错。2020年CVPR最大的黑马是3D。13篇3D相关的论文，看起来不多，但前几年几乎为零。再看2021、2022更火的3D-aware GAN、NeRF结合GAN，源头就在这批工作。踩准风口，比在一堆2D图像转换里内卷强十倍。
第二，所谓“改进GAN”的10篇论文里，有3篇不过是换了个归一化层，或者加个简单的正则项，实验只跑一个数据集。我读完整个人都不好了——至少有2篇纯属凑数。这里不点名，但你翻代码就知道，跟StyleGAN v2对比时选的数据集都是对自家方法有利的。这操作，懂的都懂。
第三，GAN+Learning开始扩散了：零样本、半监督、主动学习都套上了GAN的壳。但8篇里真正有实用价值的顶多1-2篇，大部分是挂羊头卖狗肉，内部还是老方法。你真想追这个方向，建议直接忽略那些连代码都不开的。
说到这儿，给你几点真建议。
如果你是刚入门的学生，想快速上手GAN实战，按这个顺序看：
1. 先跑 MSG-GAN 或 StarGAN v2 的代码，吃透图像转换。
2. 再读 语义金字塔生成 或 MixNMatch，理解条件控制。
3. 最后啃 LG-GAN 或 StereoGAN，打开3D视野。
如果你想发论文，千万别在“改进GAN”上灌水了，那赛道卷得比早高峰地铁还猛。2020年之后，3D-aware GAN、可控生成、few-shot才是产出高的方向。早一天换赛道，早一天享受红利。
论文去哪找？我一般去PaperWithCode直接筛选CVPR 2020，同时看GitHub star数。star超过200的，论文质量大概率在平均水平以上。star不到50的，除非是新方向，否则大概率是水文——直接跳过，别浪费时间。我踩过的坑就是你的路标。
最后说件事。这117篇论文，真正能称得上里程碑的，可能就3-4篇。其它的都是修补边角料、换换参数、凑凑实验。但你得承认，边角料里也可能捡到宝。做研究就像GAN的训练过程——有生成器，有判别器，你不断生成新的理解，再被更好的论文判别、修正，最终逼近真相。
117篇，你不可能篇篇精读。但选对方向，比埋头苦干重要一百倍。
如果你也被这些论文坑过，或者想跳过那些坑直接拿到最有价值的论文，我们有个GAN&CV交流群，群里踩坑比我多的家伙一抓一大把。私信我，我把这117篇的下载链接打包甩给你，就当送你的熬夜补品。
记住：盯着star超过200的论文，别在那些注水文章上浪费时间——除非你想自己灌水。真正能改变游戏的，往往就在你翻开下一篇文章的那个瞬间。
（好了，我要去睡觉了。猫已经占了枕头，不说了。）
读者评论 5