Модель генерации изображений GAN работает на основе взаимодействия двух нейронных сетей — генератора и дискриминатора. 24

Генератор создаёт новые изображения из случайного входного шума, стремясь сделать их неотличимыми от реальных образцов. 2 Изначально генератор генерирует случайный шум, но по мере обучения он учится генерировать изображения, похожие на те, что содержатся в обучающем наборе данных. 4 Параметры генератора настраиваются на основе обратной связи от дискриминатора, оптимизируя способность генератора создавать более реалистичные и высококачественные изображения. 4

Дискриминатор учится распознавать, является ли изображение подлинным или сгенерированным генератором. 2 Распознаватель начинается с обучения на наборе данных, содержащем реальные изображения. 4 Его цель — отличить эти реальные изображения от поддельных, сгенерированных генератором. 4 Благодаря обратному распространению и градиентному спуску дискриминатор настраивает свои параметры, чтобы улучшить свою способность точно классифицировать реальные и сгенерированные изображения. 4

Чем лучше генератор становится в своей задаче, тем совершеннее должен быть дискриминатор, чтобы отличать настоящие изображения от фальшивых. 2 Эта состязательность является основой для обучения и совершенствования обеих сетей. 2