SinGAN 源码精读：一张图训一窝 GAN，怎么

2019 年，三个以色列人凭 SinGAN 拿了计算机视觉顶会最佳论文。它干的事很反常：只给一张图，就能训出一个 GAN。

难点在于，整张图当样本，网络只会把原图死记硬背下来。解法是换个统计单位——把图切成成千上万个重叠的小块，再按图像金字塔从粗到细排一串小 GAN。最粗的定全局布局，越往上补细节。每个 GAN 容量有限，只能老老实实学小块分布。

源码对上后更清楚：生成器是个全卷积网络，最后把残差叠回去；训练用 WGAN-GP，重建损失权重直接拉到 10。官方代码卡在 PyTorch 1.4，新版跑不通，复现得留意。

真人测试里，生成图和原图混着放，一半受试者分不清真假。但代价也很明显：多样性跟保真度是一对跷跷板。从最粗尺度采样能大改结构，可遇到斑马这类大块物体就容易画崩；拍得平的纹理图反而效果最好。

这份 2019 年的代码，真正值得学的不是 GAN 技巧，而是把单一样本拆成海量小块、再按尺度分工的问题构造方式。