Aprendizaje profundo generativo, 2ª edición

Capítulo 10. GAN avanzados

Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: [e-mail]

Objetivos del capítulo

En este capítulo:

• Mira cómo un modelo ProGAN entrena progresivamente a un GAN para generar imágenes de alta resolución.

• Comprende cómo se adaptó ProGAN para construir StyleGAN, una GAN de alto rendimiento para la síntesis de imágenes.

• Explora cómo se ajustó StyleGAN para crear StyleGAN2, un modelo de última generación que mejora aún más el trabajo original.

• Conoce las aportaciones clave de estos modelos, como el entrenamiento progresivo, la normalización adaptativa de instancias, la modulación y demodulación del peso y la regularización de la longitud de la trayectoria.

• Recorre la arquitectura de la GAN Autoatención (SAGAN), que incorpora el mecanismo de atención en el marco de la GAN.

• Observa cómo BigGAN amplía las ideas del documento SAGAN para producir imágenes de alta calidad.

• Aprende cómo VQ-GAN utiliza un libro de códigos para codificar imágenes en una secuencia discreta de tokens que pueden modelarse mediante un Transformador.

• Mira cómo ViT VQ-GAN adapta la arquitectura VQ-GAN para utilizar Transformadores en lugar de capas convolucionales en el codificador y el decodificador.

El Capítulo 4 introdujo las redes generativas adversariales (GAN), una clase de modelo generativo que ha producido resultados de vanguardia en una amplia variedad de tareas de generación de imágenes. La flexibilidad ...