GAN作为一种强有力的生成模型，其应用十分广泛。
一.图像翻译
所谓图像翻译，指从一幅图像到另一幅图像的转换。可以类比机器翻译，一种语言转换为另一种语言。常见的图像翻译任务有：
- 图像去噪
- 图像超分辨率：训练一个端到端的网络，输入是原始图片，输出是超分辨率后的图片。
- 图像补全：训练一个端到端的网络，输入是原始图片，输出是补全后的图片。
- 风格迁移
- 等等
二.文本生成
三.数据增广
GAN的良好生成特性今年来也开始被用于数据增广。以行人重识别为例，有许多GAN用于数据增广的工作。行人重识别问题一个难点在于不同摄像头下拍摄的人物环境，角度差别非常大，导致存在较大的Domain gap。因此，可以考虑使用GAN来生产不同摄像头下的数据进行数据增广。
四.语音领域
相比于图像领域遍地开花，GAN在语音领域则应用相对少了很多。SEGAN可以进行音频去噪，缓解了传统方法支持噪声种类少，泛化能力不强的问题。
