Reti avversarie generative per la traduzione da immagine a immagine

Recensioni dei lettori

Attualmente non ci sono recensioni dei lettori. La valutazione si basa su 2 voti.

Titolo originale:

Generative Adversarial Networks for Image-To-Image Translation

Contenuto del libro:

Le reti avversarie generative (GAN) hanno dato il via a una rivoluzione nel campo del Deep Learning e oggi le GAN sono uno degli argomenti più studiati nell'ambito dell'intelligenza artificiale. Generative Adversarial Networks for Image-to-Image Translation fornisce una panoramica completa del concetto di GAN (Generative Adversarial Network), partendo dalla rete GAN originale per arrivare a vari sistemi basati su GAN come Deep Convolutional GANs (DCGANs), Conditional GANs (cGANs), StackGAN, Wasserstein GANs (WGAN), GAN ciclici e molti altri.

Il libro fornisce inoltre ai lettori applicazioni dettagliate del mondo reale e progetti comuni costruiti utilizzando il sistema GAN con il relativo codice Python. Un tipico sistema GAN è costituito da due reti neurali, ovvero il generatore e il discriminatore. Entrambe le reti sono in competizione tra loro, come nella teoria dei giochi.

Il generatore è responsabile della generazione di immagini di qualità che dovrebbero assomigliare alla verità del suolo, mentre il discriminatore è responsabile di identificare se l'immagine generata è un'immagine reale o un'immagine falsa generata dal generatore. Essendo una delle architetture basate sull'apprendimento non supervisionato, GAN è un metodo preferito nei casi in cui non sono disponibili dati etichettati.

Il GAN può generare immagini di alta qualità, immagini di volti umani sviluppate a partire da diversi schizzi, convertire immagini da un dominio a un altro, migliorare le immagini, combinare un'immagine con lo stile di un'altra immagine, modificare l'aspetto di un'immagine di un volto umano per mostrare gli effetti della progressione dell'invecchiamento, generare immagini da un testo e molte altre applicazioni. GAN è utile per generare risultati molto simili a quelli generati dagli esseri umani in una frazione di secondo e può produrre in modo efficiente musica, parlato e immagini di alta qualità.