Proyectos de AI Lab

Detalles técnicos de CoModGAN

Las redes antagónicas generativas ejecutan tareas de finalización de imágenes enfrentando dos redes neuronales (un generador y un discriminador) de manera que esta relación competitiva ayuda a entrenar a ambas redes. Mientras el generador se encarga de crear o finalizar una imagen, el discriminador analiza el grado de realismo de la imagen de salida en relación con un conjunto de datos de imágenes reales.

Recientemente, hemos visto el desarrollo de dos algoritmos de finalización de imágenes diferentes. Las GAN condicionales de imagen pueden rellenar pequeñas áreas que faltan en una imagen. Y las GAN incondicionales pueden generar imágenes totalmente nuevas. Pero si le pides a cualquiera de ellas que rellene una región grande de una imagen, fallan.

Desarrollamos una GAN comodulada, o CoModGAN, que une los éxitos de la capacidad generativa de los generadores incondicionales con los éxitos de la finalización de imágenes de los generadores condicionales de imagen.

CoModGAN, al igual que otras GAN, se entrena con pérdidas en el discriminador, pero a diferencia de otras puede ser más inteligente a la hora de rellenar grandes regiones perdidas de una imagen. Al mismo tiempo, proponemos una nueva métrica de puntuación discriminativa de inicio emparejado/no emparejado para medir con solidez el realismo de las imágenes generadas en comparación con las reales.

Esperamos que CoModGAN pueda ayudar a crear una IA que pueda ejecutar con más naturalidad y éxito las tareas de finalización de imágenes.