Systèmes de connaissances non conceptuels: transfert de style et traduction d'images

Cette séance de cours couvre la séparation des représentations de style et de contenu dans les réseaux neuronaux convolutifs, l'utilisation d'espaces de fonctionnalité pour les informations de texture et la formation de GAN conditionnels pour la traduction d'image à image. Il explore également la traduction d'images non appariées, les réseaux antagonistes compatibles avec le cycle et l'apprentissage contrastif. L'instructeur discute de l'apprentissage auto-supervisé, des difficultés de modélisation des tâches auto-supervisées et des techniques d'apprentissage profond pour la prédiction vidéo. La séance de cours explore les alignements visuels et sémantiques profonds pour générer des descriptions d'images, des représentations non conceptuelles universelles et des boucles dans les systèmes de connaissances. Il conclut avec le potentiel des codeurs-décodeurs universels pour enrichir les données et comprendre les structures de données dans le moteur de représentation universelle.