Le Reti Generative Avversarie (Generative Adversarial Networks - GAN) sono modelli di Deep Learning in grado di generare immagini artificiali dall'aspetto realistico.
Sono composte da due reti neurali, il generatore e il discriminatore, che lavorano in competizione tra loro:
- Generatore
- crea nuovi dati
- imita la distribuzione dei dati reali
- cerca di ingannare il discriminatore
- Discriminatore
- differenzia tra dati reali e dati generati
- valuta l'autenticità dei dati forniti dal generatore
- si addestra a riconoscere le differenze
Applicazioni
- Generazione di immagini
- Miglioramento di immagini
- Creazione di contenuti artistici
- Sintesi vocale
- Modellazione 3D
Vantaggi
- Capacità di generare dati realistici
- Utili per dataset incompleti o limitati
- Potenzialità creative elevate
Limiti
- Difficoltà nel controllo dei risultati generati
- Possibilità di risultati non realistici o artefatti
- Richiesta di grandi quantità di dati e potenza computazionale per l'addestramento
- Wenzel M.
Generative Adversarial Networks and Other Generative Models.
2023 Jul 23. In: Colliot O, editor.
Machine Learning for Brain Disorders [Internet]. New York, NY: Humana; 2023. Chapter 5.
Available from: https://www.ncbi.nlm.nih.gov/books/NBK597493/
doi: 10.1007/978-1-0716-3195-9_5 - Yi X, Walia E, Babyn P.
Generative adversarial network in medical imaging: A review.
Med Image Anal. 2019 Dec;58:101552.
doi: 10.1016/j.media.2019.101552. Epub 2019 Aug 31. PMID: 31521965. - Sorin V, Barash Y, Konen E, Klang E.
Creating Artificial Images for Radiology Applications Using Generative Adversarial Networks (GANs) - A Systematic Review.
Acad Radiol. 2020 Aug;27(8):1175-1185.
doi: 10.1016/j.acra.2019.12.024. Epub 2020 Feb 5. PMID: 32035758.
Raccolta di immagini
Non sono state rilevate immagini associate all'espressione
"Generative Adversarial Networks (GAN)"
puoi provare a cercare con un'altra parola chiave oppure consultare l'Atlante di Radnote
puoi provare a cercare con un'altra parola chiave oppure consultare l'Atlante di Radnote