Изменения

==== Изображения ==== ===== В искусстве и рекламе =====При генерации объектов для прикладных целей основная задача обычно состоит в том, чтобы научиться создавать изображения, которые человек не может отличить от изображений, полученных иных путём. Такие изображения могут использоваться, среди прочего, для более дешёвого создания модельных снимков, обложек или пейзажей. Одним из ярких примеров такого использования является создание фотографий вымышленных людей для рекламы в расчёте на то, что люди будут больше ассоциировать себя с образом, не представляющим кого-либо конкретного, но сочетающим в себе те черты, которые есть у них самих. А модель [[Generative Adversarial Nets (GAN) | GAN]] под названием Speech2Face может реконструировать изображение лица человека после прослушивания его голоса. ===== В науке =====

GAN также может использоваться для обнаружения глаукомных изображений, помогая ранней диагностике, которая необходима для предотвращения частичной или полной потери зрения.<ref>[https://www.sciencedirect.com/science/article/abs/pii/S1568494620301058?via%3Dihub] Статья про обнаружение глаукомных изображений</ref> ==== Музыка и звуки ==== В Google также активно используется модель [https://en.wikipedia.org/wiki/WaveNet WaveNet] которая способна генерировать речь, похожую на голос любого человека, и другие звуки, включая музыку (например, композиции на пианино). <!--- Генерировать можно документы и тексты. Например, существу -->

Янхуа Цзинь ==== Анимация и др. в своей [https://arxiv.org/abs/1708.05509 статье] 2017 года демонстрируют обучение и использование GAN для создания лиц аниме-персонажей. Позже, вдохновившись примерами аниме, пытались создать персонажей покемонов, например, в [https://github.com/moxiegushi/pokeGAN pokeGAN project]. игры ====