研究论文中提出剖成对抗性网络（甘斯）的MATLAB实现的集合。它包括甘，有条件-GaN，信息-GaN，对抗性的自动编码，Pix2Pix，CycleGAN多，模型应用到不同的数据集，如MNIST，celebA和门面。
引用
衣春亮（2021）。Matlab的甘（https://github.com/zcemycl/Matlab-GAN），GitHub的。检索到。
Y. LeCun和C.科尔特斯，“手写MNIST digitdatabase，” 2010。[MNIST]
J.邓W.东，R. Socher，L.-J.李，李K.，和L。费 - 费，“ImageNet：大规模层级图像数据库，” inCVPR09，2009. [Apple2Orange（ImageNet）]
R.Tyleček和R. SARA“空间图案的模板forrecognition具有规则结构的对象的，” inProc.GCPR，（萨尔布吕肯，德国），2013年[门面]
刘志刚，罗平，王旭东，唐旭东，“基于深度学习的人脸属性研究”，计算机视觉学报，2015年12月。(CelebA)
古德费洛，伊恩J。等人。“创成对抗性的网络。”的arXiv ABS / 1406.2661（2014）：N。PAG。（GAN）
雷德福，艾力等。“无监督学习代表与深卷积剖成对抗性的网络。”CORR ABS / 1511.06434（2015）：N。PAG。（DCGAN）
丹顿，艾米丽L.等人。“半监督学习与上下文条件剖成对抗性的网络。”的arXiv ABS / 1611.06430（2017）：N。PAG。（CGAN）
奥德纳，奥古斯等。“条件图像合成与辅助分类甘斯”。ICML（2016）。（ACGAN）
陈曦等，“信息gan:基于信息最大化生成对抗网的可解释表示学习”。少量的酒(2016)。(InfoGAN)
Makhzani，阿里等。“对抗性自动编码。”的arXiv ABS / 1511.05644（2015）：N。PAG。（AAE）
伊索拉，菲利普等。“图像 - 图像转换与条件对抗性的网络。”2017年IEEE会议计算机视觉与模式识别（CVPR）（2016）：5967-5976。（Pix2Pix）
J.-Y。朱，T. Park, P. Isola，和A. A. Efros，“使用周期一致的反对抗网络的图像到图像的非配对翻译”，2017。(CycleGAN)
