El diseño de paisajes vegetales combina elementos científicos y técnicos, siendo los bordes de flores un ejemplo representativo. Las Redes Generativas Antagónicas (GAN), que pueden generar imágenes automáticamente a través del entrenamiento, ofrecen un nuevo soporte tecnológico para el diseño de paisajes vegetales, potencialmente mejorando la eficiencia de los diseñadores. Este estudio se centra en los planes de bordes de flores como objeto de investigación y crea un conjunto de datos de diseños de bordes de flores. Posteriormente, la investigación empleó dos algoritmos, Pix2Pix y CycleGAN, para el entrenamiento y la prueba, lo que permite la generación automática de imágenes de diseño de bordes de flores, con una posterior optimización de los resultados. El documento compara los resultados generados de ambos algoritmos en términos de calidad de imagen y patrones de diseño, proporcionando evaluaciones tanto objetivas como subjetivas de CycleGAN, que tuvo un mejor desempeño. Los resultados experimentales muestran que el algoritmo puede aprender los patrones latentes del diseño de bordes de flores hasta cierto punto y generar imágenes de alta calidad con un rendimiento razonable en términos de carácter ornamental y carácter ecológico. Entre los tipos de diseño, los diseños en forma de barra mostraron los mejores resultados. Sin embargo, el algoritmo aún enfrenta desafíos en el manejo de procesos de sitio complejos, claridad de los límites e innovación en el diseño. Además, aspectos como la variación vertical, la armonía de texturas, el bajo mantenimiento y la sostenibilidad siguen siendo áreas para futuras mejoras. Este estudio demuestra el potencial de las GAN en el diseño de paisajes vegetales a pequeña escala y ofrece soluciones innovadoras y viables para el diseño de bordes de flores.