Was sind Generative Adversarial Networks (GANs)?

Generative Adversarial Networks ist ein Konzept, bei dem es sich um ein Machine-Learning-Modell handelt, welches in der Lage ist, Daten zu generieren. GANs werden häufig verwendet, um künstliche Bilder, Tonaufnahmen und Video zu erzeugen. 

Wie funktionieren Generative Adversarial Networks (GANs)?

Das Modell besteht dabei aus zwei künstlichen neuronalen Netzen, die  miteinander konkurrieren. Ein Netz, der sogenannte Generator, versucht, falsche Daten zu erzeugen, die so realistisch wie möglich aussehen. Das andere Netzwerk, der Discriminator, versucht zu erkennen, ob es sich um richtige oder falsche Daten handelt. Ziel des Generators ist, Daten zu erzeugen, die vom Discriminator nicht mehr zwischen echt und unecht klassifiziert werden können.

Zunächst werden vom Generator zufällige Daten erzeugt. Das kann zum Beispiel ein Bild sein. Der Discriminator, welcher mit echten Daten trainiert wurde, überprüft nun, ob es sich um ein echtes oder generiertes Bild handelt. Dieses Prüfergebnis wird vom Discriminator zurück an den Generator geliefert. Der auf dessen Basis ein neues Bild generiert. Die beiden Netzwerke sind miteinander verbunden und lernen so durch die Interaktion untereinander stetig dazu.

Die Einsatzbereiche von Generative Adversarial Networks (GANs)

GANs sind vielseitig einsetzbar. Zu den Einsatzbereichen gehören vor allem:

• Die Erzeugung von Bildern
• Das Erzeugen von fotorealistischen Avataren im Bereich der Video Generierung
• Ergänzen von Bild- und Video Details
• Textgenerierung
• Generierung von 2D und 3D Produktabbildungen