敵対的生成ネットワーク（GAN）
敵対的生成ネットワーク（GAN）とは？
GANは2つのネットワークが競い合うAIシステムです。一方は説得力のある偽の画像を作ろうとし、もう一方は偽物を見破ろうとします。この競争を通じて、生成器はますますリアルな結果を生み出すのが上手くなっていきます。
ひと目で分かる
- 別名
- GAN敵対的ネットワーク生成器・識別器ネットワーク
- 用途
- 画像合成映像生成スタイル転送顔生成画像アップスケーリングドメイン変換
- 主なツール
- StyleGANPix2PixCycleGANBigGANESRGAN
- 関連用語
- Diffusion modelLatent spaceNeural networkStyleGANImage synthesisDiscriminator
創ってみませんか？
シーンを演出し、キャラクターをデザインし、長編映像まで仕上げる
シンプルで透明性の高い料金体系、速度制限なし、無限のCanvasで創造性を最大化する、オールインワンのAIクリエイティブプラットフォーム。
他の概念との比較
Compared with related concepts
GAN対拡散モデル：GANは生成器を通る単一の順方向パスで画像を生成するため高速ですが、学習が不安定になることがあり、モード崩壊を起こしやすいです。拡散モデルは反復的なノイズ除去のプロセスを通じて画像を生成し、より遅いものの一般により安定し、より制御しやすく、より高い多様性と品質を実現できます。主要な画像・映像生成ツールのほとんどは拡散ベースのアーキテクチャに移行しましたが、速度が重要な場合にはGANが依然として好まれます。
たとえば…
GANは、競争して働く贋作者と美術探偵のようなものだと考えてください。贋作者（生成器）は偽の絵画を本物として通そうとして作り続け、一方、探偵（識別器）は偽物を見破るのが上手くなるために本物と偽物の両方を研究します。探偵が上達するにつれて、贋作者はそれを欺くためにより努力しなければなりません。この行き来を通じて、贋作者は最終的に説得力のある偽物を作るのに並外れて熟練するようになります。
プロのヒント
ライブ映像の強化や高速のポートレート生成のようなリアルタイムアプリケーション向けのAIツールを評価するときは、それがGANベースのアプローチを使っているか確認してください。GANは推論において拡散モデルよりも大幅に高速になりうるため、レイテンシが制約となる場合に重要です。
種類とバリエーション
GANのファミリーには、異なるタスク向けに設計された多くの異なるアーキテクチャが含まれます。DCGAN（深層畳み込みGAN）は画像生成のための畳み込み層の使用を確立しました。Progressive GANとStyleGANは解像度と制御を改善し、StyleGANは高品質な顔の合成の標準となりました。条件付きGAN（cGAN）は、クラスラベルやその他の入力条件によって生成を導けるようにします。Pix2Pixは対になった学習データで画像から画像への変換を行い、CycleGANは対になった例なしに同様の変換を達成します。ESRGANは画像の超解像に敵対的学習を適用します。より最近のハイブリッドなアプローチは、それぞれのパラダイムの利点を受け継ぐために、GANのコンポーネントを拡散やトランスフォーマーの要素と組み合わせます。
Morphicで最初のシーンを作ってみませんか？
Morphicを試す主な活用シーン
GANはAIのクリエイティブおよび商用アプリケーション全般で広く使われてきました。一般的な用途には、他の機械学習モデル向けの合成学習データの生成、アバターやストック画像向けのリアルな人間の顔の生成、リアルタイムの映像強化とアップスケーリング、画像間の芸術的スタイルの転送、ポートレートアニメーションツールの駆動が含まれます。放送やポストプロダクションでは、GANベースのアップスケーラーがアーカイブや低解像度の映像を強化するために使われます。ディープフェイク技法、すなわち有害なものと映画での顔の置き換えのような正当なアプリケーションの両方も、GANのアーキテクチャから派生しています。
創ってみませんか？
シーンを演出し、キャラクターをデザインし、長編映像まで仕上げる
シンプルで透明性の高い料金体系、速度制限なし、無限のCanvasで創造性を最大化する、オールインワンのAIクリエイティブプラットフォーム。
