Hodnotenie:
Momentálne nie sú žiadne recenzie čitateľov. Hodnotenie je založené na 2 hlasoch.
Generating a New Reality: From Autoencoders and Adversarial Networks to Deepfakes
Kapitola 1: Hlboké učenie PerceptronCieľ kapitoly: V tejto kapitole predstavíme základy hlbokého učenia od perceptronu až po viacvrstvový perceptron. Počet strán: Počet kapitol: 30Témy1. Pochopenie hlbokého učenia a učenia pod dohľadom. 1. Použitie perceptrónu na učenie pod dohľadom. 2. Konštrukcia viacvrstvového perceptrónu. 3. Objavte základy aktivácie, straty, optimalizácie a spätného šírenia pre problémy regresie a klasifikácie.
Kapitola 2: Uvoľnenie autoenkodérov a generatívnych adverzných sietíCieľ kapitoly: Táto kapitola predstavuje autoenkodér a GAN na jednoduché generovanie obsahu. Popritom sa tiež dozvieme o používaní konvolučných vrstiev siete na lepšiu extrakciu príznakov. Počet strán: Podkapitola - Témy 1. Prečo potrebujeme autoenkodéry a ako fungujú. 2. Vylepšenie autoenkodéra pomocou konvolučných sieťových vrstiev. 3. Generovanie obsahu pomocou GAN. 4. Preskúmanie metód na zlepšenie vanilla GAN.
Kapitola 3: Skúmanie latentného priestoruCieľ kapitoly: V tejto kapitole objavíme latentný priestor v umelej inteligencii. Čo to znamená pohybovať sa v latentnom priestore UI pomocou variačných autoenkodérov a podmienených GAN. Počet strán: 1: Témy: 30 čiastkových tém: 1. Pochopenie variácie a variačného autoenkodéra. 2. Skúmanie latentného priestoru pomocou VAE. 3. Rozšírenie GAN o podmienenú analýzu. 4. Generovanie zaujímavých potravín pomocou podmieneného GAN.
Kapitola 4: GAN, GAN a ešte viac GANCieľ kapitoly: V tejto kapitole začneme odhaľovať rozsiahle variácie GAN a ich aplikácie. Začneme základmi, ako je dvojitá konvolúcia GAN, a dopracujeme sa k zásobníkovým a progresívnym GAN. Počet strán: 30Sub - Témy: 1. Pozrite si ukážky z mnohých variantov GAN. 2. Nastavenie a používanie DCGAN. 3. Pochopiť, ako funguje StackGAN. 4. Pracovať so sieťou ProGAN a používať ju.
Kapitola 5: Preklad obrazu na obraz pomocou GAN.
Zahŕňa: 1. Učebnicu GAN. 2. Učebnicu GAN: Pix2Pix a DualGAN, vedľajšie projekty na porozumenie s ResNET a UNET, pokročilé sieťové architektúry na klasifikáciu/generovanie obrázkov.
Kapitola 6: Preklad obrazov s cyklickou konzistenciou.
Zahŕňa: 1: CycleGAN, BiCycleGAN a StarGAN.
Kapitola 7: Štýlovanie pomocou GAN.
Obaly: StyleGAN, Attention a Self-attention GAN s pohľadom na DeOldify.
Kapitola 8: Vývoj DeepFakesCieľ kapitoly: DeepFakes berú svet útokom a v tejto kapitole preskúmame, ako používať projekt DeepFakes. Počet strán: 1: 301. Naučte sa izolovať tváre alebo iné body záujmu na obrázkoch alebo vo videu. 2. Extrahujte a nahraďte tváre z obrázkov alebo videa. 3. Použite DeepFakes GAN na generovanie obrazov tvárí na základe vstupného obrazu. 4. Spojte to všetko dohromady a umožnite používateľovi vygenerovať vlastné video DeepFake.
Kapitola 9: Odhalenie protivníkových latentných autoenkodérovCieľ kapitoly: GAN nie sú jedinou technikou, ktorá umožňuje manipuláciu s obsahom a generovanie. V tejto kapitole sa pozrieme na metódu ALAE na generovanie obsahu. Počet strán: 1: 1. Pozrite sa na to, ako rozšíriť autoenkodéry na adverzné učenie. 2. Pochopenie toho, ako sa dá AE použiť na skúmanie latentného priestoru v údajoch. 3. Použiť ALAE na generovanie podmieneného obsahu.
