GAN (red generativa antagónica)

Presentada por Goodfellow et al. (2014), una GAN enfrenta a un generador que produce muestras sintéticas con un discriminador que juzga si son reales o falsas. A medida que ambos mejoran, el generador aprende a producir resultados cada vez más realistas. Las GAN impulsaron toda una generación de síntesis de imágenes fotorrealistas.

En la generación de imágenes, han sido sustituidas en gran medida por los modelos de difusión, pero la idea del entrenamiento antagónico sigue siendo fundamental.