2018 年，英伟达把过去几年在生成式对抗网络上的研究成果进行整合，发布了 GAN 领域的集大成者—StyleGAN 模型（包括后来分别在 2019 年、2020 年改进的 StyleGAN2 和 StyleGAN3）。StyleGAN 不仅能够生成高质量、高分辨率的图片，还能够改变图片风格、对生成的结果进行精细化控制，譬如通过参数调整人物的动作、形态、肤色、表情、发型等各种特征。
8.4 学者与荣耀
2014 年，经过学术界和工业界几年时间的消化与酝酿，来到了深度学习在生成式领域迸发的临界点。生成式对抗网络诞生的所有前置条件都已经成熟，笔者认为即便没有那天晚上酒吧里古德费洛的灵光一现，生成式对抗网络也一定会在不久的将来换个作者、换个名字登上历史舞台。此观点可以通过现今最成功的三种图像生成式模型都是在 2014 年这个时间点前后同时被发现获得证明。除了生成式对抗网络以外，另外两种模型是 2013 年由迪德利克·金马（Diederik Kingma）提出的变分自编码器（Variational Auto Encoder，VAE）以及 2015 年由雅沙·索尔迪克斯坦（Jascha Sohl-Dickstein）提出的扩散模型（Diffusion Model）<sup>○一</sup>。
320
第三部分 第三波高潮