Generative Adversarial Networks (GAN)

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.