生成对抗网络（GANs）[Goodfellow等人，2014]在高分辨率设置下由于GPU内存容量的计算限制而难以收敛，这主要是因为已知其收敛速率不稳定。为了提高深度卷积生成对抗网络（DCGAN）[Radford等人，2016]的网络收敛性能并获得高质量的高分辨率结果，我们提出了一种新的分层网络HDCGAN，该网络结合了当前最先进的技术以实现这一目标。此外，我们还介绍了一种机制——Glasses，通过放大输入尺寸ζ倍来任意提升最终生成的GAN图像质量。本文还引入了一个新颖的无偏数据集Curtó & Zarza，该数据集包含来自不同种族群体的人脸图像，并且涵盖了广泛的光照条件和图像分辨率。Curtó数据集通过HDCGAN合成图像进行了增强，从而成为首个使用GAN增强的人脸数据集。我们在CelebA [Liu等人，2015]、CelebA-hq [Karras等人，2018] 和Curtó上进行了广泛的实验。HDCGAN目前在CelebA上的合成图像生成效果处于最先进水平，实现了MS-SSIM值为0.1978和FRÉCHET Inception Distance值为8.44。