Generowanie nowej rzeczywistości: Od autoenkoderów i sieci kontradyktoryjnych do Deepfakes

Opinie czytelników

Obecnie brak opinii czytelników. Ocena opiera się na 2 głosach.

Oryginalny tytuł:

Generating a New Reality: From Autoencoders and Adversarial Networks to Deepfakes

Zawartość książki:

Rozdział 1: Perceptron uczenia głębokiegoCel rozdziału: W tym rozdziale przedstawiamy podstawy uczenia głębokiego od perceptronu do perceptronu wielowarstwowego. Liczba stron: 30Podtematy1. Zrozumienie uczenia głębokiego i uczenia nadzorowanego. 1. Używanie perceptronu do uczenia nadzorowanego. 2. Konstruowanie perceptronu wielowarstwowego. 3. Poznanie podstaw aktywacji, strat, optymalizacji i propagacji wstecznej dla problemów regresji i klasyfikacji.

Rozdział 2: Uwolnienie autoenkoderów i generatywnych sieci adwersarzyCel rozdziału: Rozdział ten wprowadza autoenkoder i GAN do prostego generowania treści. Po drodze dowiadujemy się również o używaniu warstw sieci konwolucyjnej do lepszej ekstrakcji cech. Liczba stron: 30Podsumowanie - Tematy 1. Dlaczego potrzebujemy autoenkoderów i jak one działają. 2. Ulepszanie autoenkodera za pomocą warstw sieci konwolucyjnej. 3. Generowanie treści za pomocą GAN. 4. Zbadanie metod ulepszania waniliowej sieci GAN.

Rozdział 3: Eksploracja przestrzeni ukrytejCel rozdziału: W tym rozdziale odkryjemy przestrzeń ukrytą w sztucznej inteligencji. Co to znaczy poruszać się w przestrzeni ukrytej sztucznej inteligencji przy użyciu autoenkoderów wariacyjnych i warunkowych sieci GAN. Liczba stron: 30 Podtematy: 1. Zrozumienie zmienności i autoenkodera wariacyjnego. 2. Eksploracja przestrzeni ukrytej za pomocą VAE. 3. Rozszerzanie sieci GAN, aby była warunkowa. 4. Generowanie interesujących pokarmów przy użyciu warunkowej sieci GAN.

Rozdział 4: GANy, GANy i jeszcze więcej GANówCel rozdziału: W tym rozdziale rozpoczynamy odkrywanie ogromnej różnorodności GANów i ich zastosowań. Zaczynamy od podstaw, takich jak GAN z podwójnym splotem, a następnie przechodzimy do GAN ze stosem i progresywnych. Liczba stron: 30Podsumowanie - Tematy: 1. Zapoznanie się z przykładami wielu odmian sieci GAN. 2. Konfiguracja i korzystanie z DCGAN. 3. Zrozumienie, jak działa StackGAN. 4. Praca z siecią ProGAN i korzystanie z niej.

Rozdział 5: Tłumaczenie obrazu na obraz za pomocą GAN.

Obejmuje: Pix2Pix i DualGAN, projekty poboczne do zrozumienia z ResNET i UNET, zaawansowane architektury sieciowe do klasyfikacji/generacji obrazów.

Rozdział 6: Tłumaczenie obrazów z zachowaniem spójności cyklu.

Obejmuje: Utratę spójności cyklu oraz CycleGAN, BiCycleGAN i StarGAN.

Rozdział 7: Stylizacja za pomocą sieci GAN.

Okładki: StyleGAN, Attention i Self-attention GAN wraz ze spojrzeniem na DeOldify.

Rozdział 8: Rozwijanie DeepFakesCel rozdziału: DeepFakes szturmem zdobywają świat, a w tym rozdziale zbadamy, jak korzystać z projektu DeepFakes. Liczba stron: 301. Dowiedz się, jak izolować twarze lub inne punkty zainteresowania na obrazach lub wideo. 2. Wyodrębnianie i zastępowanie twarzy z obrazów lub wideo. 3. Używanie DeepFakes GAN do generowania obrazów twarzy na podstawie obrazu wejściowego. 4. Złożenie wszystkiego razem i umożliwienie użytkownikowi wygenerowania własnego filmu DeepFake.

Rozdział 9: Odkrywanie Adversarial Latent AutoencodersCel rozdziału: Sieci GAN nie są jedyną techniką, która pozwala na manipulowanie treścią i jej generowanie. W tym rozdziale przyjrzymy się metodzie ALAE do generowania treści. Liczba stron: 1. Zobacz, jak rozszerzyć autoenkodery do uczenia kontradyktoryjnego. 2. Zrozumienie, w jaki sposób AE można wykorzystać do eksploracji ukrytej przestrzeni w danych. 3. Wykorzystanie ALAE do generowania zawartości warunkowej.