КабинетПоиск
Генеративный ИИ

GAN

GAN

классикаНиша скоростной генерации и дистилляции диффузии.

Направления: Генеративный ИИ · GAN

Состязательная пара сетей, дающая резкие и реалистичные изображения.

Ключевые тезисы

  • Одношаговая генерация — очень быстрая по сравнению с диффузией.
  • Обучение капризно: mode collapse и расхождение — обычное дело.
  • StyleGAN до сих пор силён в узких доменах вроде лиц.

Подробный разбор

2 подтемы — объяснения, формулы, примеры и интерактивные графики.

  • Одношаговая генерация: там, где нужны миллисекунды, с 30 шагами не подходит.
  • Узкие домены (лица, текстуры, медицинских снимков): StyleGAN остаётся сильным.
  • Апскейл и восстановление: GAN-компонента добавляет реалистичные детали.
  • Дистилляция диффузии в один шаг часто использует состязательную .

  • Спектральная — самый дешёвый способ стабилизации.
  • Разные для генератора и (TTUR).
  • Отслеживайте не потери, а FID на фиксированном наборе шума.
  • Сохраняйте чекпойнты часто: качество может внезапно обрушиться и не восстановиться.

Видеолекции

Тайм-кода именно на эту тему в записях нет. Но глава «Генеративный ИИ» разобрана в курсах целиком — с той оговоркой, что место в записи придётся искать самому.

Курс: Обучение с подкреплением11 записейКурс: Генеративные модели26 записей

Связанные темы

Генеративные модели

VAE80%

Вариационный автоэнкодер · Глубокое обучение

Вероятностный автоэнкодер: кодирует объект в распределение и учится генерировать из латентного пространства.

GAN80%

Генеративно-состязательные сети · Глубокое обучение

Генератор и дискриминатор обучаются в игре с нулевой суммой, повышая реалистичность выборок.

Diffusion Models80%

Диффузионные модели · Глубокое обучение

Модель учится обращать процесс постепенного зашумления, превращая шум в изображение за серию шагов.

Generative Models80%

Генеративные модели · Генеративный ИИ

Модели, обучающие распределение данных и умеющие порождать новые объекты из него.

Autoregressive Models80%

Авторегрессионные модели · Генеративный ИИ

Порождают объект по частям, каждый раз предсказывая следующий элемент по предыдущим.

VAE80%

Вариационный автоэнкодер · Генеративный ИИ

Генерация через непрерывное вероятностное латентное пространство.

Diffusion80%

Диффузия · Генеративный ИИ

Итеративное расшумление — текущий стандарт генерации изображений, видео и аудио.

Density Estimation80%

Оценка плотности · Обучение без учителя

Восстановление распределения данных: где объекты встречаются часто, а где почти никогда.

Следующий шагДальше по связи: VAEВероятностный автоэнкодер: кодирует объект в распределение и учится генерировать из латентного пространства.Перейти →
← VAEDiffusion →

Глава «Генеративный ИИ» последний раз правилась . Нашли ошибку — напишите.