Собаки и генеративно-состязательные сети

Перед вами результаты работы генеративно-состязательной сети (GAN), обученной создавать максимально реалистичные изображения собак. На картинках показано, как качество изображений меняется в процессе обучения.

(Источник: Projected GANs Converge Faster, 2021)

Напомним: GAN состоит из двух моделей, которые соревнуются между собой. Модель-генератор создаёт поддельные данные, неотличимые от настоящих, а модель-дискриминатор пытается отличить реальные данные от сгенерированных. Воспользуйтесь интерактивным приложением, чтобы изучить процесс обучения GAN шаг за шагом.

Как бы вы описали изменения в результатах по мере обучения модели?