Wie funktioniert die Schöpfung von Bildern durch generative KI?

Die Schöpfung von Bildern durch generative KI erfolgt in der Regel durch den Einsatz von Modellen wie Generative Adversarial Networks (GANs) oderational Autoencoders (VAEs).

1. **Generative Adversarial Networks (GANs)**: bestehen aus zwei neuralen Netzwerken – einem Generator und einem Diskriminator. Der Generator erstellt Bilder aus zufälligem Rauschen, während der Diskriminator versucht zu unterscheiden, ob ein Bild echt (aus dem Trainingsdatensatz) oder vom Generator erstellt wurde. Durch diesen Wettbewerb verbessern sich beide Netzwerke kontinuierlich, bis der Generator Bilder erzeugt, die so realistisch sind, dass der Diskriminator sie nicht mehr von echten Bildern unterscheiden kann.

2. **Variational Autoencoders (VAEs)**: Diese Modelle lernen, die Verteilung der Trainingsdaten zu erfassen. Sie bestehen aus einem Encoder, der Eingabebilder in einen kompakten latenten Raum kodiert, und einem Decoder, der aus diesem latenten Raum neue Bilder generiert. VAEs sind besonders nützlich, um neue Variationen von Bildern zu erzeugen, die den gelernten Eigenschaften der Trainingsdaten entsprechen.

3. **Diffusionsmodelle**: Eine neuere Technik, die auf dem Konzept basiert, Rauschen schrittweise zu entfernen, um ein Bild zu generieren. Diese Modelle beginnen mit einem zufälligen Rauschbild und lernen, es schrittweise in ein klares Bild zu transformieren.

Generative KI nutzt große Mengen an Trainingsdaten, um Muster und Strukturen zu lernen, die dann zur Erzeugung neuer, einzigartiger Bilder verwendet werden können.