Modélisation generative: Alors, maintenant et demain?

Cette séance de cours de l'instructeur couvre l'évolution de la modélisation générative, des approches traditionnelles aux dernières avancées. Il s'articule autour de thèmes tels que le transport de la lumière par gradient-domaine métropolitain, la reconstruction convolutionnelle profonde, les GAN comme un jeu à deux joueurs, et les défis rencontrés dans l'entraînement des réseaux antagonistes génératifs. La présentation explore également le concept de croissance progressive des GAN pour améliorer la qualité, la stabilité et la variation des images générées, ainsi que l'importance de la distillation des ensembles de données et de la dissection des GAN. La séance de cours se termine par une vision pour l'avenir des modèles générateurs, mettant l'accent sur le potentiel d'extrants de haute qualité avec moins de données, une généralisation améliorée et une meilleure interprétabilité.