AIGC实战——交互式生成对抗网络（iGAN）

0. 前言

在本节中，我们将研究可用于交互式生成和编辑图像的生成对抗网络 (Generative Adversarial Network, GAN) ，交互式生成对抗网络 (interactive GAN, iGAN)，iGAN 是第一个演示如何使用 GAN 进行交互式图像编辑和转换的网络。虽然生成的图像质量不如当今的网络优异，但是为将 GAN 纳入主流图像编辑奠定了基础。在本节中，将介绍 iGAN 的核心概念。

1. iGAN 简介

现在，我们已经熟悉使用诸如 pix2pix 之类的生成模型，从草图或分割蒙版生成图像。但是，由于我们大多数人都不是熟练的画家，因此我们只能绘制简单的草图，因此，生成的图像也只具有简单的形状。我们是否可以使用一个真实的图像作为输入，并使用草图来改变真实图像的外观？
在 GAN 的早期，J-Y 探讨了如何使用学习到的潜在表示来执行图像编辑和变形。交互式图像生成 (Interactive image generation)：涉及实时从草图生成图像：