УДК 004.8:621.88
DOI: 10.36871/26189976.2026.03-2.007

Авторы

Данил Павлович Романов,
ФГБОУ ВО КГЭУ Казанский государственный энергетический университет, Казань, Россия
Вячеслав Максимович Слудников,
ФГБОУ ВО КГЭУ Казанский государственный энергетический университет, Казань, Россия
Ольга Юрьевна Янова,
ФГБОУ ВО КГЭУ Казанский государственный энергетический университет, Казань, Россия

Аннотация

В статье рассматриваются применения генеративных состязательных сетей (GAN) в области автоматизированного дизайна и прототипирования. Проведён обзор ключевых архитектур: базовой GAN, условной cGAN, pix2pix, StyleGAN и 3D-GAN. Проанализированы конкретные задачи — генерация изображений продуктов, перенос стиля, синтез трёхмерных объектов и ускорение итераций прототипирования. Выявлены преимущества и ограничения метода: высокое качество генерируемых изображений при нестабильности обучения и высоких требованиях к вычислительным ресурсам. Представлена сравнительная таблица архитектур по ключевым характеристикам. Показано, что GAN обеспечивают сокращение цикла разработки прототипов на 40–60%, однако требуют специализированных компетенций и значительных GPU-ресурсов.

Ключевые слова

генеративные состязательные сети
GAN
дизайн
прототипирование
глубокое обучение
StyleGAN
cGAN
синтез изображений
3D-генерация

Список литературы

[1] Ву Дж., Чжан С., Сюэ Т., Фриман У. Т., Тененбаум Дж. Б. Изучение вероятностного латентного пространства форм объектов с помощью 3D-генеративно-состязательного моделирования // Достижения в области нейронных систем обработки информации (NeurIPS). 2016. С. 82–90. URL: https://arxiv.org/abs/1610.07584.

[2] Гудфеллоу И. Дж., Пуже-Абади Дж., Мирза М., Сюй Б., Вард-Фарли Д., Озаир С., Курвиль А., Бенжио Ю. Генеративные состязательные сети // Достижения в области нейронных систем обработки информации (NeurIPS). 2014. Том 27. С. 2672–2680. URL: https://arxiv.org/abs/1406.2661.

[3] Гудфеллоу И. Порождающие состязательные сети // Коммуникации ACM. 2020. Том 63. № 11. С. 84–90. DOI: 10.1145/3422622.

[4] Изола П., Чжу Дж.-Ю., Чжоу Т., Эфрос А. А. Преобразование изображения в изображение с помощью условных состязательных сетей // Труды конференции IEEE по компьютерному зрению и распознаванию образов (CVPR). 2017. С. 1125–1134. URL: https:// arxiv.org/abs/1611.07004.

[5] Каррас Т., Лейн С., Айла Т. Архитектура генератора на основе стилей для генерирующих состязательных сетей // Материалы конференции IEEE/CVF по компьютерному зрению и распознаванию образов (CVPR). 2019. С. 4401–4410. DOI: 10.1109/ CVPR.2019.00453.

[6] Мирза М., Осиндеро С. Условные порождающие состязательные сети. 2014. URL: https://arxiv.org/abs/1411.1784.

[7] Шорн О., Макнелли П., Лоулор П., Бамбер Л. Приложения для совместной работы человека и искусственного интеллекта с поддержкой генеративных состязательных сетей в креативной индустрии и индустрии дизайна: систематический обзор современных подходов и тенденций // Рубежи в области искусственного интеллекта. 2021. Том 4. DOI: 10.3389/frai.2021.604234.