เปรียบเทียบวิธี

	โครงข่ายปฏิปักษ์เชิงกำเนิด	การถ่ายทอดสไตล์ด้วยโครงข่ายประสาทเทียม
สาขาวิชา	การเรียนรู้เชิงลึก	การเรียนรู้เชิงลึก
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2014	2015
ผู้ริเริ่ม	Goodfellow, I. et al.	Gatys, L. A.; Ecker, A. S.; Bethge, M.
ประเภท	Generative deep learning (adversarial two-network game)	Iterative optimization over CNN feature statistics
แหล่งต้นตำรับ	Goodfellow, I. et al. (2014). Generative Adversarial Nets. NeurIPS.	Gatys, L. A., Ecker, A. S., & Bethge, M. (2016). Image Style Transfer Using Convolutional Neural Networks. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp. 2414–2423.
ชื่อเรียกอื่น	Üretici Çekişmeli Ağ (GAN), GAN, generative adversarial nets, adversarial network	NST, artistic style transfer, neural artistic style, CNN style transfer
ที่เกี่ยวข้อง	4	3
สรุป	A Generative Adversarial Network (GAN), introduced by Ian Goodfellow and colleagues in 2014, produces realistic synthetic data through the competition of two neural networks — a generator and a discriminator. It is widely used for image synthesis, data augmentation, and distribution estimation.	Neural Style Transfer (NST) is a deep-learning image synthesis technique, introduced by Gatys, Ecker, and Bethge in 2015, that separates the semantic content of one image from the visual texture and artistic style of another, then recombines them into a single synthesized image by iteratively optimizing pixel values to minimize a combined content and style loss computed from the feature maps of a pretrained convolutional neural network.