Генеративно-состязательная сеть (GAN) в генерации изображений работает благодаря взаимодействию двух нейронных сетей: генератора и дискриминатора. 15

Генератор создаёт изображения на основе случайного шума. 1 Цель генератора — создать изображение, которое настолько похоже на реальные изображения, чтобы дискриминатор не смог отличить его от настоящего. 1

Дискриминатор классифицирует изображения как реальные или сгенерированные. 1 Он принимает как реальные изображения, так и изображения, созданные генератором, и пытается определить, какие из них фальшивые. 1

Процесс обучения сети заключается в следующем: 1

1. Генератор создаёт фальшивые изображения. 1
2. Дискриминатор получает как реальные, так и фальшивые изображения и пытается классифицировать их. 1
3. Если дискриминатор правильно распознаёт фальшивые изображения, его ошибка уменьшается, а генератору становится сложнее «обманывать» дискриминатор. 1
4. Обе сети улучшаются через обучение на ошибках: генератор учится создавать более реалистичные изображения, а дискриминатор — лучше распознавать фальшивки. 1

В итоге модель выдаёт людям только те картинки, которые прошли через фильтр дискриминатора. 3