生成对抗模型有哪些分支

生成对抗模型（GAN）是一类无监督学习的模型，它由生成器和判别器两个部分组成，目的是生成逼真的数据。GAN有以下几个分支：

1. 常规生成对抗网络（GAN）：GAN是最基本的生成对抗模型，由一个生成器和一个判别器组成，生成器生成假数据，判别器将真实数据和生成的数据进行区分。

2. 无监督条件生成对抗网络（cGAN）：cGAN是在GAN中加入条件信息，使得生成的数据可以更加具有控制性。

3. 基于变分自编码器的生成对抗网络（VAE-GAN）：VAE-GAN将变分自编码器（VAE）和GAN结合，可以生成更加真实的图像。

4. 基于生成对抗网络的生成对抗网络（GAN-GAN）：GAN-GAN是在GAN的基础上再次进行生成对抗，生成器和判别器都是由GAN组成。

5. 基于生成对抗网络的变分自编码器（GAN-VAE）：GAN-VAE是将GAN和VAE结合，生成器和判别器都是由GAN组成，可以生成更加逼真的图像。

6. 条件生成对抗网络（Conditional GAN）：CGAN是为了解决GAN无法控制生成的数据的问题而提出的，它可以根据输入的条件生成具有特定特征的数据。