Réseaux Adversaires Généraux

Cette séance de cours couvre la théorie qui sous-tend Generative Adversarial Networks (GANs), en mettant l'accent sur l'équilibre entre le générateur et le discriminateur. Il explique le rôle du discriminateur dans la maximisation de la fonction de perte et le rôle du générateur dans la minimisation de celle-ci. La séance de cours se décline en concepts tels que Kullback-Leibler (KL) et Jensen-Shannon (JS), ainsi que la distance Wasserstein. Il explore également diverses variantes du GAN, telles que le GAN Conditionnel (CGAN) et CycleGAN, et leurs applications. En outre, la séance de cours présente les modèles de diffusion comme une alternative aux GAN, en soulignant leurs différences et applications.