Génération d'images

Autoencodeurs, GAN, diffusion : compresser, falsifier, débruiter

Dans ce chapitre, vous apprendrez à

Outils : PyTorch

Chaque exercice est corrigé automatiquement, dans le navigateur. Les énoncés complets sont accessibles avec un compte.

À quoi ça sert dans la vraie vie
Reconnaître un chat est une chose ; dessiner un chat qui n'a jamais existé en est une autre. Les modèles génératifs apprennent à produire des données nouvelles, crédibles, et pas seulement à les classer. - Les…
Compresseur
Vous travaillez dans une agence spatiale. Les sondes envoient des images de 64 pixels, mais la bande passante est limitée : vous ne pouvez transmettre que 4 nombres par image. Il faut compresser puis reconstruire.…
Faussaire
Votre compresseur fonctionne. Maintenant, une idée audacieuse : pourrait-on inventer de nouvelles données qui n'existent pas ? Vous tirez un vecteur au hasard dans l'espace compressé et vous le décodez. Résultat…
Duel des réseaux
Votre autoencodeur compresse et reconstruit. Voici une autre façon de générer : faire s'affronter deux réseaux (un GAN). - Le générateur part de bruit aléatoire et produit de faux échantillons ; - le…
Remonter le bruit
Voici l'idée derrière les modèles qui génèrent des images aujourd'hui (Stable Diffusion, DALL·E) : la diffusion. On part de vraies données qu'on bruite progressivement en 10 étapes, jusqu'à du bruit pur. Puis on…