Redes generativas adversariales para la traducción de imagen a imagen

Opiniones de los lectores

Actualmente no hay opiniones de lectores. La calificación se basa en 2 votos.

Título original:

Generative Adversarial Networks for Image-To-Image Translation

Contenido del libro:

Las Redes Generativas Adversariales (GAN) han iniciado una revolución en el Aprendizaje Profundo, y hoy en día GAN es uno de los temas más investigados en Inteligencia Artificial. Generative Adversarial Networks for Image-to-Image Translation proporciona una visión completa del concepto GAN (Generative Adversarial Network), comenzando por la red GAN original hasta varios sistemas basados en GAN como Deep Convolutional GANs (DCGANs), Conditional GANs (cGANs), StackGAN, Wasserstein GANs (WGAN), GANs cíclicos, y muchos más.

El libro también proporciona a los lectores aplicaciones detalladas del mundo real y proyectos comunes construidos utilizando el sistema GAN con su respectivo código Python. Un sistema GAN típico consta de dos redes neuronales, es decir, generador y discriminador. Ambas redes compiten entre sí, de forma similar a la teoría de juegos.

El generador es responsable de generar imágenes de calidad que deben parecerse a la verdad del terreno, y el discriminador es responsable de identificar si la imagen generada es una imagen real o una imagen falsa generada por el generador. Al ser una de las arquitecturas basadas en el aprendizaje no supervisado, GAN es un método preferido en los casos en los que no se dispone de datos etiquetados.

GAN puede generar imágenes de alta calidad, imágenes de rostros humanos desarrolladas a partir de varios bocetos, convertir imágenes de un dominio a otro, mejorar imágenes, combinar una imagen con el estilo de otra imagen, cambiar la apariencia de una imagen de un rostro humano para mostrar los efectos en la progresión del envejecimiento, generar imágenes a partir de texto y muchas aplicaciones más. GAN es útil para generar resultados muy parecidos a los generados por humanos en una fracción de segundo, y puede producir eficazmente música, habla e imágenes de alta calidad.