AI在提取图片的关键信息并用于新图片的生成方面主要使用了图像语义分割技术和生成对抗网络（GAN）技术，包括两部分：

一、图像语义分割

图像语义分割是一种将图像中的像素划分为不同语义类别的技术，通常将图像中的像素标记为前景或背景，或者标记为具有特定语义的对象或场景。通过图像语义分割，AI可以识别出图像中不同区域的语义含义，并对其进行分割和分类。这样，AI就可以提取图片的关键信息并用于新图片的生成。

机器之心专栏

字节跳动-智能创作团队

e公司讯，万兴科技(300624)在互动平台表示，近期看到越来越多企业开始关注和入局元宇宙领域，也给了公司更多信心与动力。目前公司正在进行虚拟演示相关功能的预演，探索3D模型和基于Gan网络的形象生成等技术实现，同时积极与相关企业进行技术交流，加强公司视频创意领域AI技术、AR/VR等核心技术的研发和前沿技术探索。

IT之家 1 月 19 日消息，据 DIGITIMES 研究报告，随氮化镓 (GaN) 通讯元件于工艺及磊晶技术持续精进，将由现行散热较佳的碳化硅基氮化镓 (GaN on SiC) 结构，朝着即将试产的 GaN on GaN 及磊晶质量改善后的硅基氮化镓 (GaN on Si) 架构发展，以支持后续 6G 网络通讯在低轨卫星及智能手机等场景应用。再者，因 6G 网络将整合 4G 与 5G 通讯的云端及边缘运算能力，并提供更宽广的 6G 网络频段、资料传输率及传输范围，亦有望推升 GaN 通讯元件于高频及高功率环境下的终端需求。（磊晶，Epitaxy 是指一种用于半导体器件制造过程中，在原有晶片上长出新结晶，以制成新半导体层的技术）

1、什么是GAN？

GAN是2014年6月，Bengio团队提出来的，感兴趣的可以搜索论文：《Generative Adversarial Networks》

由生成器和判别器组成，即Generator和Discriminator，可以完成很多匪夷所思的生成问题。在图像生成、语音转换、文本生成领域均占有很重要地位。

一、算法思想

神经网络通常用来进行预测任务，比如给定一张图片预测所属类别，给定一组数据预测未来数值。能不能用其生成图片、文本或者语音。

选自arXiv

作者：Alexia Jolicoeur-Martineau

编辑：小舟、蛋酱

SVM 是机器学习领域的经典算法之一。如果将 SVM 推广到神经网络，会发生什么呢？

“现在引用最多的几个神经网络都是建立在我的实验室成果之上的！”

先看看GAN能做的事情：生成对抗网络要点在于生成（图片、文字、声音等）。

1. 生成逼真的假人脸图像

生成对抗网络（Generative Adversarial Networks，简称 GAN）是一类用于无监督机器学习的人工智能算法，通过两个神经网络在零和博弈框架中相互竞争来实现。这项技术能够生成新的数据实例，这些实例可以被认为是真实数据。