图4-10　LSUN室内数据集在5个epoch后的生成结果

图4-13　DCGAN中卧室室内图的变化

图5-1　三维中的流形

图5-2　DCGAN的梯度消失问题

图5-3　DCGAN的网络更新不稳定示意图

图5-5　GAN与WGAN的判别器曲线示意图

图5-6　WGAN不同架构的实验结果比较

图5-16　WGAN与WGAN-GP梯度爆炸与梯度消失比较

图6-5　几种生成模型的效果比较

图6-11　k-means聚类效果图

图7-19　StackGAN-v2网络结构图

图7-23　StackGAN-v1与StackGAN-v2的对比

图8-1　iGAN：交互式图像绘制

图8-9　iGAN软件生成的三个案例

图8-11　黑白图像转换为彩色图像

图8-21　Web软件试用：输入方块生成建筑物

图8-23　模拟图片与道路实景转换

图8-32　莫奈画作与实景的互相转换

图8-34　神经网络风格转换

图8-54　使用CycleGAN实现多领域转换的情况

图8-55　使用StarGAN实现多领域转换的情况

图9-6　SeqGAN、RankGAN以及LeakGAN在二维平面上的特征可视化

图11-1　Inception v3网络结构图

图11-8　训练集、正态分布随机输入、网络映射隐含层的数据分布示意图

图12-1　图像模糊情况的物体检测试验

图12-14　WaveGAN生成效果评分

图12-24　云朵和动物

图12-36　观众高评价的CAN生成作品

图12-37　CAN生成作品各项排行榜

图12-45　SketchRNN的草图自动补全