AI 용어집
인공지능 완전 사전
Fonction de Perte Lissage Alpha
Mécanisme de transition douce entre les résolutions où une nouvelle couche est progressivement intégrée en utilisant un paramètre alpha qui passe de 0 à 1, évitant les discontinuités dans l'entraînement.
Espace Latent Progressif
Espace de bruit d'entrée dont la dimensionnalité reste constante tandis que sa représentation est progressivement raffinée à travers les couches ajoutées à chaque étape de résolution.
Transposition de Convolution Progressive
Opération de sur-échantillonnage utilisée dans le générateur pour augmenter la résolution spatiale des cartes de caractéristiques à chaque étape de la croissance progressive.
Égalisation des Taux d'Apprentissage
Méthode d'optimisation qui maintient une magnitude dynamique constante pour les poids en ajustant le taux d'apprentissage en fonction de la taille du tenseur, accélérant la convergence.
Fading-in de Couches
Processus d'introduction progressive de nouvelles couches dans le réseau où leur contribution est initialement nulle puis augmente linéairement jusqu'à remplacer complètement l'ancienne architecture.
Pyramide de Caractéristiques
Représentation hiérarchique des caractéristiques visuelles où les niveaux inférieurs capturent les structures globales et les niveaux supérieurs les détails fins, alignée sur la croissance progressive.
Mode Collapse Mitigation
Capacité inhérente des Progressive GANs à réduire l'effondrement des modes en apprenant d'abord une distribution simplifiée avant d'ajouter de la complexité, évitant la génération répétitive.
Réseau Discriminateur à Croissance
Composant qui évolue structurellement en parallèle avec le générateur, ajoutant des couches de convolution pour maintenir une capacité discriminative équivalente à chaque nouvelle résolution.
Synthèse d'Images Haute Résolution
Application finale des Progressive GANs permettant de générer des images photoréalistes jusqu'à 1024x1024 pixels ou plus, avec des détails cohérents grâce à l'approche incrémentale.
Interpolation dans l'Espace Latent
Technique de navigation dans l'espace latent d'un Progressive GAN entraîné qui révèle des transitions sémantiques fluides entre les générations, démontrant la continuité de l'espace appris.
Wasserstein Loss with Gradient Penalty
Fonction de perte alternative souvent utilisée avec les Progressive GANs pour améliorer la stabilité en pénalisant la norme du gradient du discriminateur, évitant les problèmes de saturation.
Style-based Generator Adaptation
Extension des Progressive GANs où le bruit d'entrée contrôle les styles à différentes échelles via des réseaux de normalisation affine, permettant un contrôle hiérarchique des caractéristiques.