
AI 및 컴퓨팅
생성적 적대 신경망(GAN)
- 구성:
- 생성기 대 판별기
- 화면 비율:
- 16:9
프롬프트
【생성적 적대 네트워크】의 아키텍처 다이어그램을 만들고 왼쪽에서 오른쪽으로 읽으며 각 네트워크는 둥근 상자입니다. 나열된 대로 정확하게 각 관계를 그리십시오.
1. 【랜덤 노이즈(작은 점 구름) → 생성기.】
2. 【생성기는 가짜 이미지를 생성합니다.】
3. 【실제 이미지(데이터베이스 아이콘의 작은 사진 더미)와 가짜 이미지 모두 → 판별자.】
4. 【판별기는 진짜인지 가짜인지 하나의 상자를 출력합니다.】
5. 【해당 출력 상자에서 두 개의 점선 화살표가 다시 실행됩니다. 하나는 생성기로, 다른 하나는 판별자로 돌아가며 둘 다 업데이트되었음을 나타냅니다.】
이 그림에는 T바가 없습니다. 그림에 번호가 매겨진 문장을 쓰지 마세요. 전체 그림에서 각 레이블을 한 번만 씁니다.
라벨(각각 한 번만 사용하고 다른 텍스트는 추가하지 않음): 【Random noise, Generator, Fake image, Real images, Discriminator, Real or fake】.
스타일: 저널 스타일의 도식 다이어그램. 흰색 배경에 플랫 벡터 그래픽을 청소합니다. 모듈은 내부에 짧은 이름이 포함된 둥근 직사각형 또는 간단한 아이콘입니다. 밝은 파스텔 패널은 관련 레이어를 그룹화합니다. 3~4개의 음소거된 색상만 있으며 각 색상에는 하나의 고정된 의미가 있습니다. 얇고 균일한 화살표는 데이터, 에너지, 재료 또는 영향력의 흐름을 나타냅니다. 간접 또는 피드백 링크에 대한 점선 화살표. 산세리프 영어 라벨만 해당되며, 각 라벨은 정확히 한 번만 나타나며 철자는 주어진 대로 정확하게 표시됩니다. 3D 렌더링 없음, 그림자 없음, 빛 없음, 사이버펑크 또는 기술 배경 장식 없음, 포토리얼리즘 없음.
이 프롬프트와 예시 이미지를 참고 이미지로 Yila에서 엽니다.
예시 이미지는 Nano Banana로 생성했습니다. GPT Image 등 다른 이미지 모델에서도 쓸 수 있으며 결과는 모델마다 다릅니다.






