Les generative adversarial networks (GAN) sont les IA les plus spectaculaires d'aujourd'hui !! J'explique ici leur principe, et pourquoi ils pourraient bien être une solution ultime à l'apprentissage non-supervisé !
Facebook : https://www.facebook.com/Science4Allorg/
Twitter : https://twitter.com/science__4__all
Tipeee : https://www.tipeee.com/science4all
Shop (tee-shirt & casquette) : https://shop.spreadshirt.fr/science4all/
La formule du savoir (mon livre) :
https://laboutique.edpsciences.fr/produit/1035/9782759822614/La%20formule%20du%20savoir
A Roadmap for the Value-Loading Problem
https://arxiv.org/abs/1809.01036
Moi en podcast avec Mr Phi :
Version YouTube : https://www.youtube.com/channel/UCNHFiyWgsnaSOsMtSoV_Q1A
Version Audio : http://feeds.feedburner.com/Axiome
Sous-titres sur les autres vidéos : http://www.youtube.com/timedtext_cs_panel?tab=2&c=UC0NCbj8CxzeCGIF6sODJ-7A
Everybody dance now | C Chan, S Ginosar, T Zhou, AA Efros (2018)
https://arxiv.org/abs/1808.07371
Progressive growing of gans for improved quality, stability, and variation | T Karras, T Aila, S Laine, J Lehtinen (2017)
https://arxiv.org/abs/1710.10196
Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network | C Ledig, L Theis, F Huszár, J Caballero et al | CVPR (2017)
http://openaccess.thecvf.com/content_cvpr_2017/papers/Ledig_Photo-Realistic_Single_Image_CVPR_2017_paper.pdf
Toward multimodal image-to-image translation | JY Zhu, R Zhang, D Pathak, T Darrell et al | NIPS (2017)
http://papers.nips.cc/paper/6650-toward-multimodal-image-to-image-translation