AI-ordlista
Den kompletta ordlistan över AI
StyleGAN
Architecture GAN avancée incorporant un mapping réseau et des réseaux d'adaptation de style, permettant un contrôle granulaire des caractéristiques visuelles à différentes échelles.
Conditional GAN
Extension des GAN où le générateur et le discriminateur reçoivent des informations conditionnelles supplémentaires, permettant un contrôle ciblé sur les caractéristiques générées.
ProGAN
Technique d'entraînement progressif où le GAN apprend d'abord à générer des images basse résolution, puis ajoute progressivement des couches pour augmenter la résolution.
PatchGAN
Discriminateur qui classe des patches locaux de l'image plutôt que l'image entière, favorisant la texture et le détail local tout en préservant la structure globale.
GAN Inversion
Processus consistant à trouver la représentation latente correspondant à une image réelle donnée, permettant l'édition et la manipulation d'images existantes dans l'espace latent.
InfoGAN
GAN apprenant de manière non supervisée des représentations désenchevêtrées en maximisant l'information mutuelle entre un sous-ensemble de dimensions latentes et les observations générées.
BigGAN
Architecture GAN à grande échelle atteignant des performances de pointe en génération d'images grâce à l'attention propre, l'augmentation de la taille de batch et des techniques de régularisation avancées.
Gradient Penalty
Technique de régularisation ajoutant une pénalité sur la norme du gradient du discriminateur, améliorant la stabilité d'entraînement et la convergence des WGANs.
Two-Time-Scale Update Rule
Stratégie d'entraînement utilisant des taux d'apprentissage différents pour le générateur et le discriminateur, améliorant la stabilité et évitant l'effondrement des modes.