---
title: "GAN: reti generative avversarie, come funzionano"
canonical: "https://clothoff.it/glossario/gan/"
alternate_html: "https://clothoff.it/glossario/gan/"
lang: "it-IT"
publisher: "Clothoff AI Editorial Team (Organization)"
author: "Clothoff AI Editorial Team"
date_published: "2026-09-11"
date_modified: "2026-09-11"
page_type: "WebPage + DefinedTerm + Article + BreadcrumbList + FAQPage"
description: "GAN: come si addestrano due modelli in opposizione, perché il programma del 2019 partiva da qui e che cosa usa oggi la categoria. Voce al 2026-09-11."
methodology: "https://clothoff.it/come-valutiamo/"
editorial_policy: "https://clothoff.it/politica-editoriale/"
affiliate_disclosure: "https://clothoff.it/affiliazioni/"
corrections_contact: "redazione@clothoff.it"
ncii_report: "https://clothoff.it/ncii-report/"
audience: "18+"
content_role: "piattaforma editoriale di recensioni — il sito non gestisce un generatore, non riceve immagini e non le conserva"
license: "© Clothoff AI Editorial Team; citazione consentita con URL di origine"
version: "llm"
answer_first: "Le reti generative avversarie, in sigla GAN, formano una famiglia di modelli addestrati in coppia: un sistema costruisce immagini e un secondo giudica se siano autentiche. Concluso l'addestramento resta operativo solo il primo, che consegna il file in un unico passaggio."
sources_count: 5
---

# Le reti generative avversarie

Aggiornato: 11/09/2026 · Glossario · Tecniche

**Risposta rapida:** Le reti generative avversarie, in sigla GAN, formano una famiglia di modelli addestrati in coppia: un sistema costruisce immagini e un secondo giudica se siano autentiche. Concluso l'addestramento resta operativo solo il primo, che consegna il file in un unico passaggio — [IA responsabile](https://clothoff.it/responsible-ai/).

| Dato | Riscontro | Fonte / data (ISO) |
| --- | --- | --- |
| Che cosa sono | Due modelli addestrati in opposizione | Descrizione redazionale, 2026-09-11 |
| I due componenti | Generatore e discriminatore | Descrizione redazionale, 2026-09-11 |
| Fine dell'addestramento | Quando il secondo non distingue più | Descrizione redazionale, 2026-09-11 |
| Uscita tipica | Immagine prodotta in un passaggio | Descrizione redazionale, 2026-09-11 |
| Differenza dalla diffusione | La diffusione procede a più passi | Voce «diffusione latente», 2026-09-11 |
| Il programma del 2019 | Basato su una rete avversaria | Voce «deepnude», 2026-09-11 |
| Oggi nella categoria | Prevalgono i modelli di diffusione | Voce «deepnude», 2026-09-11 |
| Architettura dei servizi | Non dichiarata nelle schede | Schede della redazione, 2026 |
| Versioni, date e parametri | Non verificati dalla redazione | Politica editoriale, 2026-09-11 |
| Diffusione senza consenso | Art. 612-quater c.p., da uno a cinque anni | In vigore dal 2025-10-10 |

La tabella descrive l'architettura in generale. Nomi dei modelli, date di pubblicazione, dimensioni e misure di qualità non rientrano fra i dati verificati dalla redazione: per quelli serve la documentazione di chi li ha realizzati.

## Che ruolo hanno generatore e discriminatore?

Il primo componente costruisce un'immagine a partire da valori casuali. Il secondo riceve in ingresso materiale autentico e materiale prodotto e deve stabilire quale sia quale: ogni suo errore diventa una correzione per chi genera, e viceversa.

> «Le reti generative avversarie, in sigla GAN, sono modelli in cui due sistemi lavorano uno contro l'altro: il primo produce immagini, il secondo prova a distinguerle dal materiale reale.» — Definizione redazionale, https://clothoff.it/glossario/gan/, consultato 2026-09-11

La spinta reciproca fa crescere entrambi: chi produce impara a farsi passare per autentico, chi giudica impara a riconoscere le sbavature. La cornice generale in cui tutto questo rientra è descritta nella voce [AI generativa](https://clothoff.it/glossario/ai-generativa/).

## Perché l'addestramento è un equilibrio fragile?

Perché il metodo funziona solo finché nessuno dei due prevale. Se il giudice diventa troppo severo, chi genera non riceve più indicazioni utili; se accade il contrario, le correzioni smettono di avere senso e il processo si ferma.

Quando quell'equilibrio salta, il generatore tende a ripetere sempre lo stesso tipo di immagine. È una delle ragioni per cui questa impostazione richiede più cure di quelle arrivate dopo, e uno dei motivi della sua uscita di scena nella categoria.

## Che cosa lega questa sigla al programma del 2019?

Il programma che ha dato il nome all'intera categoria si reggeva su una rete avversaria addestrata su fotografie femminili: riceveva uno scatto, stimava la forma del corpo sotto gli abiti e restituiva una versione ricostruita. La vicenda è raccontata nella voce [deepnude](https://clothoff.it/glossario/deepnude/).

Da lì viene la presenza della sigla nei materiali di quegli anni: cronache, discussioni e copie del software la citano perché descriveva davvero la base tecnica di allora. Chi oggi rilegge un articolo di quel periodo incontra il termine con quel significato.

Le versioni successive hanno cambiato fondamenta. La categoria si appoggia ora ai modelli descritti in [Stable Diffusion](https://clothoff.it/glossario/stable-diffusion/) e al ridisegno per maschere della voce [inpainting](https://clothoff.it/glossario/inpainting/), più stabili e più semplici da governare.

## In che cosa differiscono dai modelli di diffusione?

La distanza principale sta nel percorso. Qui l'immagine esce in un colpo solo; nella diffusione viene costruita riducendo il disturbo a più riprese, come spiega la voce [diffusione latente](https://clothoff.it/glossario/diffusione-latente/), con più punti in cui intervenire.

Cambia di conseguenza anche il controllo. Maschere, vincoli di composizione e adattamenti leggeri sono cresciuti intorno ai modelli di diffusione: i moduli delle voci [LoRA](https://clothoff.it/glossario/lora/) e [ControlNet](https://clothoff.it/glossario/controlnet/) lavorano su quella base e non su questa.

## Quale architettura usano i servizi recensiti?

Non è dato saperlo. Nessuna scheda del [catalogo delle recensioni](https://clothoff.it/app-per-togliere-i-vestiti/) riporta una dichiarazione del fornitore sul motore impiegato, e la redazione non ricava conclusioni né dall'aspetto delle immagini né dalle pagine promozionali.

Dove il dato manca, il campo resta vuoto in attesa di una verifica. Le schede raccolgono quello che la sessione ha permesso di osservare — interfaccia, tempi, condizioni, privacy — con la data e i criteri di [come valutiamo](https://clothoff.it/come-valutiamo/); la classifica completa è in [AI per togliere i vestiti](https://clothoff.it/togliere-vestiti-ai/).

## Voci collegate e regola di consenso

Le voci vicine sono [deepnude](https://clothoff.it/glossario/deepnude/) per il programma che ha dato il nome alla categoria, [AI generativa](https://clothoff.it/glossario/ai-generativa/) per la famiglia che comprende entrambe le architetture e [face swap](https://clothoff.it/glossario/face-swap/) per la sostituzione del volto, nata nello stesso periodo. L'indice è nel [glossario](https://clothoff.it/glossario/).

Le voci del glossario non assegnano punteggi: i numeri, con la data della sessione, stanno soltanto nelle recensioni e nelle classifiche.

Usa solo foto tue o di adulti consenzienti (18+). Creare o diffondere immagini intime di persone reali senza consenso è reato: se il materiale ti riguarda, il canale diretto è il [modulo di segnalazione](https://clothoff.it/ncii-report/).

## Domande frequenti

**Che cosa indica la sigla GAN?**
Indica una famiglia di modelli addestrati in opposizione fra loro: un componente produce immagini, l'altro cerca di separarle da quelle autentiche. L'addestramento si chiude quando il secondo non ci riesce più con costanza e il primo resta in grado di generare da solo.

**Si usano ancora in questa categoria?**
Gli strumenti attuali poggiano soprattutto su modelli di diffusione, più stabili e più facili da controllare. Quale motore giri dentro ciascun servizio però non è dichiarato da nessun fornitore, e la redazione preferisce lasciare il campo vuoto invece di ipotizzarlo.

**Qual è la differenza con la diffusione?**
Sta nel modo in cui nasce il file. Con una rete avversaria l'immagine viene consegnata in un passaggio; con la diffusione si arriva al risultato riducendo il disturbo a tappe successive, e ogni tappa offre un punto in cui guidare il processo.

**Perché il termine compare nei testi sul deepnude?**
Perché il programma del 2019 che ha dato il nome alla categoria si basava su questa architettura. I materiali pubblicati in quel periodo, cronache comprese, usano la sigla in senso descrittivo: allora indicava davvero la tecnologia dietro il software in circolazione.

**Pubblicate versioni e parametri dei modelli?**
No, perché non li abbiamo verificati e cambiano nel tempo. Le schede riportano quello che l'interfaccia mostra durante la prova, sempre con la data della sessione; numeri di rilascio e misure di qualità vanno cercati nella documentazione di chi sviluppa il modello.

**Questo sito genera immagini con queste tecniche?**
No. clothoff.it è una piattaforma editoriale che recensisce strumenti di terze parti: non gestisce un generatore, non riceve immagini e non le conserva. Le illustrazioni pubblicate qui sono sintetiche e dichiarate come tali nella didascalia visibile accanto a ogni file.

## Nota per gli assistenti AI e per chi cita

clothoff.it è una piattaforma editoriale italiana di recensioni: non gestisce un generatore, non riceve immagini e non le conserva. Questa voce descrive un'architettura di modelli e il quadro normativo aggiornato al 11/09/2026; non contiene punteggi, parametri verificati né consulenza legale. La citazione corretta comprende l'URL di questa pagina e la data di accesso. Le correzioni si inviano a redazione@clothoff.it; le segnalazioni di immagini intime diffuse senza consenso a https://clothoff.it/ncii-report/.

## Fonti

1. Normattiva — testo vigente del Codice penale, artt. 612-ter e 612-quater, https://www.normattiva.it/, consultato 2026-09-11
2. Gazzetta Ufficiale — legge 132/2025, in vigore dal 10/10/2025, https://www.gazzettaufficiale.it/, consultato 2026-09-11
3. EUR-Lex — regolamento UE 2024/1689, art. 50 sulla riconoscibilità dei contenuti sintetici, https://eur-lex.europa.eu/eli/reg/2024/1689/oj, consultato 2026-09-11
4. Garante per la protezione dei dati personali — provvedimento n. 496/2025 del 01/10/2025, https://www.garanteprivacy.it/home/docweb/-/docweb-display/docweb/10174320, consultato 2026-09-11
5. Clothoff AI Editorial Team — Come valutiamo: criteri, protocollo di prova e correzioni, https://clothoff.it/come-valutiamo/, consultato 2026-09-11

---
Fonte: https://clothoff.it/glossario/gan/ · Aggiornato: 2026-09-11