Glosario IA
El diccionario completo de la Inteligencia Artificial
Transformer-GAN
Integración de arquitecturas basadas en transformadores en el generador o discriminador de un GAN, capturando eficazmente las dependencias de largo alcance en datos secuenciales o imágenes.
VQ-VAE-GAN
Combinación de un VQ-VAE (Vector Quantized VAE) con un GAN, donde el VQ-VAE aprende un diccionario de códigos discretos y el GAN refina la generación en el espacio latente para una mayor fidelidad.
StyleGAN2-ADA
Variante de StyleGAN2 con Adaptación de Datos Adversarial (ADA), que permite un entrenamiento eficiente con conjuntos de datos limitados aplicando aumentos de forma probabilística.
CycleGAN-Transformer
Hibridación de un CycleGAN con mecanismos de atención tipo transformador para mejorar la traducción de imagen a imagen no emparejada, preservando mejor las estructuras globales.
Pix2PixHD-GAN
Arquitectura GAN multiescala para la traducción de imágenes de alta resolución, que integra un discriminador de múltiples escalas y pérdidas de características para capturar detalles finos.
SAGAN
Self-Attention GAN, que integra mecanismos de autoatención en el generador y el discriminador para modelar las relaciones entre todas las posiciones de la imagen, mejorando la coherencia global.
BigGAN-deep
Variante de BigGAN que utiliza arquitecturas más profundas y técnicas de regularización avanzadas para lograr un rendimiento de vanguardia en la generación de imágenes a gran escala.
Diffusion-GAN
Modelo híbrido que combina un proceso de difusión con un GAN, donde el GAN aprende a invertir eficazmente el proceso de difusión para una generación de muestras de alta calidad.
GAN-CLIP
Integración del modelo CLIP (Contrastive Language-Image Pre-training) para guiar la generación de imágenes a partir de descripciones textuales, mejorando la coherencia semántica texto-imagen.
Progressive GAN-Transformer
Combinación del crecimiento progresivo de resolución de ProGAN con capas de transformador, permitiendo una generación de imágenes de alta resolución con una mejor coherencia estructural.
InfoGAN-CR
Variante de InfoGAN con regularización de la representación (CR), maximizando la información mutua mientras se restringe el espacio latente para representaciones más interpretables y estables.
WGAN-GP-Transformer
Integración de la penalización de gradiente (GP) de WGAN-GP con mecanismos de atención de transformador, estabilizando el entrenamiento mientras se capturan las dependencias de largo alcance.
StarGAN-v2-VAE
Extensión de StarGAN-v2 que incorpora un VAE para aprender un espacio latente multidominio, permitiendo una traducción de imágenes más flexible y de mayor calidad entre múltiples dominios.
GAN-SBERT
Fusión de un GAN con SBERT (Sentence-BERT) para la generación de texto condicionada, utilizando embeddings de frases semánticamente ricos para guiar el proceso generativo.
HybridGAN-Flow
Arquitectura que combina un GAN con un modelo de flujo normalizador, donde el modelo de flujo aprende una distribución base y el GAN refina la generación para muestras más realistas.