edición general
147 meneos
2015 clics

Las redes neuronales generativas adversarias (GANs)

Las redes neuronales generativas adversarias son una forma nueva de combinar dos redes neuronales. El discriminador ayuda al generador a crear cada vez mejores imágenes. Tanto el generador como el discriminador van mejorando simultáneamente hasta que llega un punto que para nosotros las imágenes creadas por el generador nos parecen tan realistas que no podemos distinguirlas de imágenes reales. Los modelos generativos son muy nuevos en el mundo del aprendizaje profundo. La velocidad de la investigación en este campo está siendo asombrosa.

| etiquetas: redes neuronales adversarias , gan , stylegan , música
  1. Más sobre redes neuronales antagonistas:
    youtu.be/5SkQuT3kZOc
  2. Antes de extinguirnos estaría bien conocer la red generativa adversaria de Skynet.
  3. #2 Sí, es la página de la primera relacionada. Sobre el resto de las mencionadas no estoy seguro que GPT sea una GAN. Había una página hecha con GPT-2 que ahora mismo no encuentro que hacía noticias falsas de periódicos.
    Pero vamos, hay cientos:
    Barack Obama to Donald Trump (RecycleGAN, fake videos, fuente de diferente persona que la imagen de salida)
    Teoría: Enseñando a GANs a hacer sketches
    Teoría: Generación de galaxias
    Pix2pix
    ESRGAN (amplía imágenes)
    PokémonGAN

    El artículo enlazado sólo es la teoría básica para entender un poco todas esas redes neuronales, porque aparecerán muchísimas más.
  4. Relacionada:

    Finlandia creó un curso sobre inteligencia artificial para sus ciudadanos y ahora está disponible gratis para el resto
    www.meneame.net/story/finlandia-creo-curso-sobre-inteligencia-artifici
  5. #3 Me da que te has equivocado de video.
  6. #4 ¿para generar una skynet mejor? :-P
  7. #5 Es muy interesante a la par que inquietante.
  8. #7 ¿Por qué lo dices?
  9. #10 Ese algoritmo no tiene nada que ver con las GANs.
  10. #7 es la versión en vídeo de openai.com/blog/emergent-tool-use/
    No sé si realmente es una GAN en su definición pero son redes neuronales que compiten entre sí igualmente.
  11. #11 ¿Las GANs no son un subconjunto de las redes neuronales antagonistas?
  12. Cuando ves cómo funciona algo y piensas "¿por qué no se me habrá ocurrido a mí?".

    La respuesta es que soy menos listo de lo que creo.
  13. #0 el hilo y los enlaces valen su peso en oro. muchas gracias!
  14. #12 Es la definición misma de una GAN. Dos roles distintos compiten para mejorarse mutuamente. Otro ejemplo muy habitual es el del policia y el falsificador de billetes. Si el policia detecta que es un billete falso, el falsificador mejora, pero tambien el policia.

    El factor tecnologico que determina si una red es gan o no, es el feedback. Si las maquinas no detectan la actividad de la otra parte, no son GAN.
  15. #4 Somos nosotros.
  16. #15 Aprovechando tu comentario (gracias) enlazo una explicación más larga en inglés: venturebeat.com/2019/12/26/gan-generative-adversarial-network-explaine
    He pensado si era copia/plagio después de ver el voto, pero creo que ese voto fue un voto venganza y que no se puede calificar de copia-plagio, pues aunque tenga alguna imagen igual, esas imágenes son públicas, el texto no es el mismo y los ejemplos tampoco. Podría pedir un cambio de enlace, pero creo que esto es una red en español y para público en español por lo que si alguien le interesa leer más en inglés ahí tiene el enlace.

    Me planteaba hacer un artículo así pero he visto que ya hay muchos, sobre todo en inglés y de gente que sabe muchísimo más del tema que yo que soy un novato. Como no lo domino para nada (el archivado web llevo años hasta que hice los artículos) no creo que al final haga nada y viniendo del meneo de la interpolación de vídeo creo que este meneo y los enlaces son algo mejor que cualquier cosa que pudiera escribir.
  17. #14 Igual es cuestion de beber mas cerveza. La idea se le ocurrio estando de fiesta en un bar tomando unas birras.
  18. Ian Goodfellow, el precursor de las GAN, es uno de los autores de este tochaco denso pero recomendable y disponible online: www.deeplearningbook.org
comentarios cerrados

menéame