计算机视觉是当前最热门的AI技术之一，为此，智东西公开课重磅推出「CV研究合辑」。「CV研究合辑」的每一讲将由主讲与答疑两个环节组成，其中，主讲60分钟，采用视频直播形式，答疑30分钟，将在交流群进行。

生成式对抗网络（Generative Adversarial Networks，GAN）作为当下最火的神经网络模型，在计算机视觉领域有着广泛的应用，比如图像生成、人脸变换、文字-图片转化、超分重建等。

动漫作为童年回忆的重要一部分，相信每个人都有自己喜欢的动漫，也曾有过创建属于自己动漫人物的想法，然而， 这需要积累大量的专业技巧，让许多人望而却步。而GAN可以帮助我们实现这个愿望。

GAN主要包括两个独立的网络：生成器(Generator)和判别器(Discriminator)。生成器是将随机采样的变量生成图像，判别器是判别一张图像是否为‘真’。在训练过程中，生成器生成的图像尽可能接近于真实图像，而判别器尽量将生成图像区分出来，二者相互对抗，达到一个动态的平衡，即生成器生成的图像接近于真实图像，而判别器识别不出真假。

然而，并不是所有的GAN模型都可直接用于动漫人物的生成，这需要我们进一步的选择和优化。那么GAN在动漫领域存在哪些问题呢？动漫领域的GAN模型有哪些呢？如何去优化呢？

2月25日晚8点，「CV研究合辑」第二讲开讲，主题为《生成式对抗网络GAN在动漫领域的应用》，将由资深算法工程师卢薇薇主讲。

卢薇薇现于小牛动漫负责AI算法预研与落地，曾任职中科院，迅雷AI lab，研究方向包括多机器人协同，计算机视觉，GAN，知识图谱等。