GAN (Mạng đối thủ sáng tạo) là một phương pháp học máy sử dụng hai mạng thần kinh, một bộ tạo và một bộ phân biệt đối xử, để học trong khi cạnh tranh nhằm tạo ra dữ liệu không thể phân biệt được với dữ liệu thật.
GAN được cho là một khung học sâu cho phép tạo ra hình ảnh và âm thanh trông giống như ảnh chụp bằng cách sử dụng một trình tạo tạo dữ liệu giả và một bộ phân loại giúp phân biệt giữa dữ liệu thật và dữ liệu giả cạnh tranh với nhau để học. Kể từ khi được giới thiệu vào năm 2014, nó đã được sử dụng rộng rãi trong các tác vụ tạo hình ảnh khuôn mặt, độ phân giải siêu cao và chuyển đổi hình ảnh, chẳng hạn như StyleGAN, nhưng nhược điểm là việc học có xu hướng không ổn định (thu gọn chế độ) trong hoạt động thực tế kể từ năm 2026 và việc xây dựng mô hình chất lượng cao từ đầu đòi hỏi chi phí và nỗ lực điều chỉnh đáng kể. Trong những năm gần đây, hệ thống Mô hình khuếch tán, có thể tạo ra chất lượng hình ảnh tương tự hoặc tốt hơn một cách ổn định, đã trở thành xu hướng chủ đạo trong việc tạo hình ảnh và GAN được cho là chủ yếu được sử dụng như một mô hình nhẹ cho các ứng dụng cụ thể như tạo thời gian thực có độ trễ thấp, siêu phân giải và trao đổi khuôn mặt. Về cách lựa chọn tại hiện trường, chi phí trung bình để tự học GAN từ đầu có thể cao hơn so với sử dụng các mô hình mã nguồn mở hoặc API thương mại hiện có, vì vậy hướng dẫn thực tế là chỉ sử dụng nó cho các ứng dụng ưu tiên tốc độ và hiệu quả chi phí, đồng thời chọn Mô hình khuếch tán cho các ứng dụng yêu cầu tính linh hoạt và chất lượng cao.