Генеративно-состязательные сети (GAN) достигли значительных успехов в таких областях, как компьютерное зрение, медицина и обработка естественного языка. В рамках исследований GAN особое внимание уделяется трансформации объектов или людей для придания им желаемой формы. Эти мощные модели способны обучаться сложным распределениям для синтеза семантически значимых образцов. Тем не менее, в данной области наблюдается нехватка систематических обзоров, особенно в части классификации различных вариантов функций потерь для GAN.
Этот масштабный обзор посвящен развитию генеративно-состязательных сетей (GAN) и их применению в компьютерном зрении, медицине и обработке текстов. Авторы анализируют методы трансформации объектов и обучения сложным распределениям данных для создания реалистичных образцов. Исследование систематизирует современные подходы к синтезу изображений, подкрепляя теорию практическими кейсами.