图像生成是计算机视觉、计算机图像等领域的重要研究方向。与传统生成模型相比，深度生成模型能够更加有效地逼近更为复杂的高维函数。生成对抗网络（GANs，GenerativeAdversarial Networks）进一步提高了文字生成图像、图像不同模态间转换、图像修复、图像去模糊、超分辨率等的效果。生成对抗网络（GANs）对于生成式模型的发展具有重要的意义。生成对抗网络（GANs）所采用的神经网络结构十分灵活，可生成任意分布的高维数据。这极大的扩展了生成数据样本的范围。阐述本文的课题背景和研究意义，介绍深度学习以及 GANs 的发展历程和国内外研究现状。
针对本研究的主要工作：详细深入介绍传统生成模型、InceptionNet、残差块、DCGAN 模型等。
本文研究的重点是有效结合现有的多种方法，实现高质量的图像生成。