แมชชีนเลิร์นนิงเป็นวิธีที่มีประสิทธิภาพในการทำงานด้านปัญญาประดิษฐ์ให้สำเร็จ เช่น การกรอกข้อมูลที่ขาดหายไป แอปพลิเคชั่นยอดนิยมตัวหนึ่งคือการซ่อมแซมรูปภาพที่ถูกบดบัง เช่น เมื่อภาพถ่ายทางอากาศของอาคารถูกเมฆบัง แม้ว่าจะสามารถทำได้ด้วยมือ แต่ก็ใช้เวลานานมาก และแม้แต่อัลกอริธึมการเรียนรู้ด้วยเครื่องที่มีอยู่ในปัจจุบันก็ยังต้องการอิมเมจการฝึกอบรมจำนวนมากจึงจะสามารถทำงานได้ ดังนั้น การปรับปรุงการแสดงอาคารในแบบจำลอง 3 มิติเสมือนจริงโดยใช้ภาพถ่ายทางอากาศจึงต้องมีขั้นตอนเพิ่มเติม

ตอนนี้ นักวิจัยจากมหาวิทยาลัยโอซาก้าได้ปรับปรุงความถูกต้องของชุดข้อมูลที่สร้างขึ้นโดยอัตโนมัติโดยใช้วิธีการเรียนรู้ของเครื่องที่มีอยู่ซึ่งเรียกว่าเครือข่ายปฏิปักษ์ทั่วไป (GAN) แนวคิดของ GAN คือการพิทอัลกอริธึมสองแบบที่ต่างกัน หนึ่งคือ "เครือข่ายกำเนิด" ที่นำเสนอภาพที่สร้างขึ้นใหม่โดยไม่มีเมฆ การแข่งขันกับมันคือ "เครือข่ายการเลือกปฏิบัติ" ที่ใช้โครงข่ายประสาทเทียมเพื่อพยายามบอกความแตกต่างระหว่างภาพที่ซ่อมแซมแบบดิจิทัลและภาพจริงที่ไม่มีเมฆ เมื่อเวลาผ่านไป เครือข่ายทั้งสองทำงานได้ดีขึ้นเรื่อยๆ ในงานของตน นำไปสู่ภาพที่สมจริงอย่างมากโดยที่เมฆถูกลบแบบดิจิทัล "โดยการฝึกเครือข่ายกำเนิดให้ "หลอก" เครือข่ายที่เลือกปฏิบัติให้คิดว่าภาพมีจริง

ทีมงานใช้แบบจำลองเสมือน 3 มิติพร้อมรูปถ่ายจากชุดข้อมูลโอเพนซอร์สเป็นอินพุต สิ่งนี้ทำให้สามารถสร้าง "มาสก์" ดิจิทัลโดยอัตโนมัติซึ่งซ้อนสิ่งปลูกสร้างใหม่ไว้เหนือเมฆ ผู้เขียนอาวุโส Tomohiro Fukuda กล่าวว่า "วิธีนี้ทำให้สามารถตรวจจับอาคารในพื้นที่ที่ไม่มีข้อมูลการฝึกอบรมได้ โมเดลที่ได้รับการฝึกอบรมสามารถตรวจจับอาคารที่มีค่า "จุดตัดเหนือสหภาพ" เท่ากับ 0.651 ซึ่งวัดว่าพื้นที่ที่สร้างขึ้นใหม่นั้นสอดคล้องกับพื้นที่จริงมากเพียงใด วิธีการนี้สามารถขยายไปสู่การปรับปรุงคุณภาพของชุดข้อมูลอื่นๆ ที่บางพื้นที่ถูกบดบัง เช่น ภาพทางการแพทย์