L’espace latent de Bolei Zhou-Reverse GAN pour l’édition d’images réelles

MIT CSAIL-27 octobre 2020 Résumé : Les dernières avancées dans les modèles génératifs profonds tels que les réseaux antagonistes génératifs (GAN) ont permis de synthétiser des images réalistes, telles que des visages et des scènes. Cependant, il y a encore peu d’exploration de ce qui est appris des représentations profondes apprises des images synthétiques.Dans cette conférence, je montrerai notre récente série de travaux de GenForce (sur l’explication et l’utilisation de l’espace latent du GAN. Reconnaître cette sémantique nous permet non seulement de mieux comprendre la structure interne du modèle génératif, mais favorise également la réalité multifonctionnelle . Applications d’édition d’images. Enfin, je parlerai brièvement de nos efforts récents pour utiliser des modèles génératifs pour améliorer la généralisation de la conduite autonome de bout en bout. Biologie : Bolei Zhou est professeur adjoint au Département d’ingénierie de l’information de l’Université chinoise de Hong Kong. Il a obtenu son doctorat en sciences informatiques de l’Institut provincial de technologie. Ses recherches portent sur la perception des machines et la prise de décision, en mettant l’accent sur la réalisation d’interactions interprétables homme-machine. Il a remporté le prix MIT Technology. Review’s Asia-Pacific Innovator Award moins de 35 ans, une bourse Facebook et une bourse Microsoft Asian Research Institute, MIT Greater China Scholarship, ses recherches ont été rapportées par TechCru et d’autres médias dans nch, Quartz et MIT News.