Лекция 15. VAE. CVAE. GAN

Он не использует скрытый слой

Точки вне модельной области дают шумовые изображения

Он работает только с текстовыми данными

Его декодер всегда возвращает нули

Только MSE

Сумма MSE и KL-дивергенции

Только кросс-энтропия

Только KL-дивергенция

Генерируются новые изображения

Вычисляются векторы скрытого состояния h для входных данных

Обучается модель

Визуализируются веса нейронов

Использование сверточных слоев

Добавление условий (меток классов) в кодер и декодер

Увеличение размерности латентного пространства

Замена KL-дивергенции на MSE

Через параметры оптимизатора

Конкатенацией с вектором скрытого состояния

Только в loss-функцию

Через Dropout-слой

Генерация случайных изображений без учета входных данных

Восстановление изображений с учетом только математического оживания, исключая дисперсию

Увеличение размерности скрытого пространства

Обучение классификатора цифр

Максимизировать ошибку дискриминатора на реальных данных

Минимизировать разницу между реальными и сгенерированными данными

«Обмануть» дискриминатор, заставив его принять сгенерированные данные за реальные

Увеличить дисперсию скрытого пространства

Одновременно генератор и дискриминатор

Только генератор

Поочередно: то дискриминатор, то генератор

Только дискриминатор

0

0.5

1

-1

Генерация фейковых фотографий людей

Улучшение медицинских снимков

Создание анимационных персонажей

Оптимизация сельского хозяйства