Modèles de génération profonde: Codeurs automatiques et GANs

Cette séance de cours couvre des modèles générateurs profonds, centrés sur les codeurs automatiques variables (VAEs) et les réseaux d'adversaires génériques (GANs). Les EAE visent à apprendre les représentations latentes et à générer de nouvelles données par échantillonnage à partir de la distribution apprise. Les GAN se composent d'un générateur et d'un discriminateur, où le générateur vise à produire des échantillons réalistes pour tromper le discriminateur. La séance de cours traite des défis de formation, des faiblesses et des solutions potentielles pour les GAN, comme les GAN de Wasserstein. Il explore également d'autres modèles génériques comme DALL-E, qui peuvent créer des images à partir de descriptions textuelles. La séance se termine par une démonstration de divers modèles génériques et de leurs applications.