Apresentação sobre GANs (Generative Adversarial Networks)

a escola eu sou Campos e vou fazer uma apresentação para vocês o nosso apresentação é baseada e garantia adversarial Networks as 500 Eu Sou aluno de Mestrado do programa de pós-graduação em ciências de Computação na Universidade Federal de Campina Grande e E aí E aí o meu objetivo dessa atividade e responder em resposta a disciplina de fundamentos de pesquisa em Ciência da Computação três do período 2020.1 do Professor Leandro Valdir e eu já tive dessa dessa atividade que aplicar a técnica de feminina como guia para explicar um assunto complexo pré-definido de forma intuitiva sem perder

a profundidade atribuído então aí foi as guerras e é o que queremos Então nossa apresentação nos veremos o que são os modelos generativos que são mais 500 Como funciona uma queda como um monte Vale treinar essas dicas veremos também o formalismo matemático a visualização de uma guerra as aplicações de 500 comuns mais comuns de hoje em dia e também alguns desafios R coisas bem interessantes Oi tudo bom no contexto a nós temos a das Quinas ela foram escritas pela primeira vez o Bianca eu te falo através do PayPal e junho de 2014 pela Cornell University

e aqui no estado de Nova York tem referência e a teoria do modelo padronizado e estável foi proposta por alexy Red Fort e 2016 também conhecidas como um disse guerra de convolucional generative adversarial Networks mas o que são Então os modelos generativos são modelos que usam uma abordagem de aprendizado não-supervisionado Onde existem amostras de dados que são as variáveis de entrada x mais e a variável de saída Y e somente são usadas as variáveis de entrada para o treinamento do modelo de negativo e o modelo reconhece padrões entrada para gerar um a saída o que

é desconhecida EA Baixada somente nos dados de Treinamento é a ideia é similar aos modelos preditivos supervisionar a partir das variáveis de entrada em um problema de classificação A modelagem descritiva e onde uma delas discriminar né ao modelagem discriminativa perdão onde o modelo deve discriminar a qual classe amostra pertence porém os modelos não supervisionados são usados para criar ou gerar novas amostras na distribuição de entrada E aí como a feito isso na com ações os modelos negativo de uma maneira simples nós podemos definir como modelo de aprendizado não-supervisionado capaz de gerar novos exemplos das amostras

de dados que são não somente similares para os exemplos Mas também indistinguíveis de Sus matematicamente o modelo que aprendi uma estimativa da função de densidade de probabilidade dos Estados é um é assim então esse modelo a gente pode fazer se seguintes que ela a modelos generativo ele recebe ao de uma parte da tigi treino né as entradas com muito treinamento insere também um Muído aleatório né A gente vai ver pode ser uma extenção do cinema como forma então então ele gera e em seguida assim ele através dos dados de treino mas esse ruído ele gera

uma amostragem e geram novas amostras de dados baseados nos dados de treino então de forma similar pelas Viera a partir do status elas são similares nos mas não são iguais né pelas quais ele isso a partir dos dados inserindo um muito bom e eu que são as 500 crianças de narrativas adverte realnetworks o redes generativas adversários são modelos generativos baseados em redes neurais artificiais Profundas nada estudos de torne que são usados para aprendizagem não-supervisionada bom então essas três palavras Networks aqui são as redes neurais profundos na que usam a Deep neural Networks and é hoje

narrativa que é um modelo gerativo que acabei de explicar e cria novos padrões a partir das Almas e o adversário que são necessárias Então essas duplas de rede são treinadas e uma configuração de competição competem no espaço uma com a outra E aí como é que eu funcionamento dessa rede sistema é um sistema onde tem duas redes neurais Profundas competem uma com a outra para criar ou gerar variações dos dados e tem dois modos dois subconjuntos dos sobre modelos que eu moro Eu vou discriminator mal que é o discriminador o quanto em São então com

a gente pode entender as 500 São dois agentes então de competição que estão competindo um contra o outro como direito e os Terminator hoje o direito a gente pode classificar aí como se fosse um falsificador e os que lhe narrou seria Como um policial né se o banco é gera as notas reais como policial aprende né a Tigre uma angústia a sabe qual é uma nota real e quando ele recebe porventura uma nota falsificada falsificador ele olha essa aqui é falsificado então o gerador né faltar que a emitir mais notas né E se aproximar delas

reais e o policial tem que fazer esse papel de identificar corretamente é essas essas notas né dando esse um Deck para o Rua falsário Sul é que esse dinheiro é fácil né o ponto tivamente Então a gente tem esses dois né os falsificadores vamos vão chamar esses perito policial mas imagina que objetivo então do falsificador e tentar enganar o perito Olá sejam falsificados esse de 90 aqui é um gerador de imagens de pinturas e a função do do perito é identificar se essas obras essas imagens na seção Nossa produção ela é verdadeira em xinguila das

falsas em eu posso ficar dor tenta constantemente que era uma pintura no período tenta pegaram o falsificador ele faz uma um homem gera uma imagem eu pedir tu vai lá existe aqui tá favorável a ir ao ser pego pelo policial ou faço corpo. Falso de cá boa continua melhorando e aprimorando suas pinturas do período lá disse que era falso ele vai lá e tenta fazer as correções e tenta ajustar isso para ficar melhor cada mesmo e ele continua tentando e aprimorando as suas pinturas cada vez mais e até que expediu o ponto net o dia

que é que esse falsificador ele aprende finalmente é fazer uma pintura perfeita engana de fato Ou querido né vai falar é bom como funciona o funcionamento e não das 500 nós somos esse generator terminei eles são redes neurais profundas e são nesse modelo Guerreiro consulte consiste em duas redes neurais que competem entre si e nós vamos ver um vídeo assim que explica essa aqui é bom ou nossas nossas duas redes neurais elas recebem a base de dados das imagens reais e vão sendo treinadas o Exterminador quando recebe imagem real ele classifica como real ou onde

estava com recebe uma imagem vida do do gerador ele classifica como falsa fake e assim que recebe esse feedback para o jogador e o jogador já era novas imagens a partir desse feedback e vai aperfeiçoando essas imagens até que o discriminador classifica a imagem gerada com o cérebro verdadeira um século E aí finalmente essa ele engana a rede ok é a última direito a ele pega uma mostra esse de um moído aleatório gaussiano uniforme que gera uma nova amostra de dados em agosto medo Ele Decide se o dado que é o dado é gerado ou

se pego da amostra real usando uma classificação binária com ajuda de uma função sigmóide que dá uma saída na forma de uma faixa entre 0 e 1 e não seja similar ao as redes classificatórios né bom Então nesse esquema ele tanto aprendi pegar os dados de treinamento e 11 com amostras reais e recebe o estimador recebe essas a nossa e as classifica como um reais fazer algo gerador recebe também ruídos gera novos exemplos e inserem nessa rede secador ele classifica como falso Isso aqui ele vai ver fazendo assim ó bom então essas o gerador em

análise distribuição de dados de tal forma que depois a fase de Treinamento a probabilidade do discriminador cometer um erro seja maximizado é baseado em modelo que deve estimar a probabilidade que a mostra que chegou nos dados são reais ou não o seu dá pastel ou Justin Bieber tem uma função de minimizar e não como é que são os passos aqui ó exatamente como acontece na frente é primeiro eu treino o discriminador e o conjunto de parâmetros do gerador ele é congelado os treinadores então ele é treinado com os dados reais e verifica se prediz corretamente

o mesmo com os dados fake Advento do gerador que identifica e o condicionador como condicionador os identificam como um fake o conjunto de teste para o gerador é tornando-os falso fica constante né e a rede somente irá fazer o passo para frente e não se aplica reta alimentação é chamado de black propagation então ele não tem uma retroalimentação nessa fase de Treinamento E aí o segundo passo temperar o jogador Então se temos jogadores com gelos os parâmetros na congelar os que ali na rua então congelador é treinando com os dados resultantes do Passo 1 bom

então pega seu resultado do primeiro passo e usa-se para melhorar o estado anterior para tentar exatamente enganar os treinadores leves gerador é treinado congelado o senador é congelado não suas palavras bom como é que é a formalização matemática desse a esse modelo é um jogo de mim Max de dois jogadores com os valores da função f g f d g Netão Mix Mendes degermex de onde desde tetra eu descrimina vou né os que irei porque é uma rede profunda do discriminador e seus parentes o jennife é o generator é uma rede neural profunda um dos

geradores seus parâmetros o pedaca a distribuição de dados reais e dizer a distribuição normal do gerador PIS seriam as amostras de dados reais uma distribuição pedaço é o aleatório dado para a distribuição de peso certo então essa essa função é dita assim que estivesse x tal que log de detectx mas a estimativa do blog de menos de taipa GTA fazer de forma que isso é que seja maximizado ou minimizado aqui então essa parcela ela me dá os patrocinadores dados sejam praticados com reais e essa parcela que me dá como os dados sendo o poder de

teto então tem como objetivo retornar atende teto de x igual se deu real registrada dever de dizer igual a zero seja falso por outro lado hoje é difícil né que eu já fiz Vereador tem como objetivo retornar de diferente dizer tal modo que desde teto de gente de difícil dizer seja igual a mu é um jogo de Março Assumimos faço as duas funções é E aí tá bom Ah como seria essa função nosso Nelson de perda do dever tão longe de seria a clímax de toda essa dessa expressão né a nós fomos um dos criador

é utilizado pelo Gradiente descendente para maximizar essa expressão completa aqui serve então o treinador tenta maximizar o gradiente descendente essa expressão é para que as expressões elas são em função de blog exatamente para nos poderem ter máximos e mínimos aí a ir a função próximo filme do gerador negócio G ela é em função apenas dessa parcela aqui né que isso aqui que me disse o quê que é um fake né então a lógica do gerador é utilizado pelo Gradiente descendente para minimizar essa expressão ok e como é que é o algoritmo de secretas Samsung Dinho

Ah mas é um pouquinho como é que seria o algoritmo de Treinamento então então é um são dois fortes um dentro do outro entre de um ele gera sempre aos pares eram gerar um depois o outro depois o outro então é um só um número de interações de treinamento é aqui também um Super Four Conca passos na igreja atenção as épocas é que geram em amostras de ruído Z de 1 até 1 cm da distribuição pz para comprar esse milibeth n seleciona faz a seleção na selecionar essas em amostra de dados reais x de 1

até x cm para distribuição né P data de X atualiza e se discrimina uma borra e como processos dinheiro estocástico de Gradiente descendente estocástico né que são os parâmetros em rios parâmetros do gerador são fixo né Porque aqui nós estamos tratando do do discriminador né então eu começo pelas treinador E aí eu faço todo esse somatório médio aqui né Tem uma média de colocar esse coisa na tua cá outros ficar a então ele tem um somatório que tem a média de uma dinheiro de daí de uma m do logos direta DX desse mas o log

de 1 - de teto de gesso dizer que recebi né então faço essa esse somatório e terminando esses Passos é eu Gero as amostras com moedas de 1 atm de 11 e da distribuição pedir Z para comprar se repete e atualiza o gerador não num Gradiente descendente descendente de tocar que estão aqui é a sua ideia aqui é um Gradiente descendente descendente e E lembrando que os paramos disciplinador agora estão fixos porque eles foram alterados somente aqui então a imponência forte pagamos aqui são fixos Então vai dar esse somatório pela média do nome de um

menos desde a reta dif Z desse espacinho aqui e termina pó e esse aqui é o Como eu faço o meu treinamento atendendo sempre aos parques não tenho primeiro o terminar aí tu tá tentando fazer com que ele seja minimizado a ir mais usado perdão e depois eu treino fixo anel o treinador e treinam congelador tentando fazer um Gradiente DTS 71 é bom a vocês percebe aqui Essas funções né Elas vão convergir porque elas têm uma correr gente no ponto ótimo como são gradientes ascendentes da Lost in time de e descendente da Lost Mc DG

as essas curvas né Isso aí é uma definição do logaritmo então Doppler um na bateria tinha um minion nessa função a verde detecta e zero ele vai encontrar um ele e o play 2 ele vai ter um máximo aqui nessa função então quando eu tenho esse espaço né vetorial aqui dentro dos dois vezes de teto né o jogo aqui ele já era uma função no gráfico de célula é um jogo de duas condições logarítimos uma maximizada e a outra Minimizar os olhos e gráfico de célula que eu espaço fica e da Momo e nesse nessa

desgraça tchau a ir à convergência o ponto ótimo né esse gráfico então ele vai dar foram o equilíbrio é chamado de neste da função da Loto function das crianças é atingido como esse de fechar esse de asterisco aqui DG seria o ponto ótico do Exterminador quando ele acontece quando eu perdi data de x é divididos por pede g enchia-se mais o pé de data de x e realiza um mapeamento tá o que o pedir dinheiro negócio perder data aqui então neste momento esse aqui são os pontos fortes mos o algoritmo de otimização irá como mexer

com VG e o resultado E esse resultado de d&g é esse esse resultado desse jeito Tem gente Vera capacidade tem suficiente do treino isso também é atendente e vai fazendo até chegar essa convergência certo tá o Ian goodfellow ele resumiu da seguinte forma a subir derivadas de um Supremo de funções convexas incluem a derivada da função no ponto onde o máximo é atingido ou seja esse pontos verdes ela aqui bem no meio bem Centralizado ele atingido é quando ele efetivamente ocorre a convergência e o ponto ótimo é bom para ilustrar essa que nós vamos ver

graficamente como funciona certo a existir uma aplicação muito interessante que é gera está disponível na internet que é um trabalho desgastante visualização de uma guerra foi publicado depois seguida leve meus tempo e complexo de degenerativo models usem interactive visual 39 experimentação visual e interativa acção ou o preço pessoal Fera a gente fez a construiu esse site e está disponível e nós vamos e vou fazer uma ligeira apresentação bem aqui só um cirurgião que eu vou achar é muito bem então o nosso gráfico Espera aí ele tá na o site né gente tem esse laboratório ele

é feito por esse leve aqui então nós vamos acessar e se deve aqui eu vou fazer uma demonstração para vocês tem um vídeo explicativo aqui também bem didático interessante mas o site Mas você só agora é esse aqui é muito bem uma aqui ó temos o que é alguém andar e faz o seguinte vamos colocar para cá vamos imaginar gente começar para cá é nessa nesse site a desse laboratório a gente faz pode estimar que os como é que tem a nossa distribuição de dados nessa pacote um conjunto de dados a gente pode escolher algumas

dessas formas aqui ou de vou mesmo criar uma né não se caso aqui a gente não vai não vai criar uma vou usar essa essa aqui mas fica bomba a rota para que a gente poderia fazer uma aplicação aqui que sabe aplicar mas eu vou usar uma já existente vou colocar essa aqui que é a mais simples eu já vou usar os lados treinados né para poder começar mas basicamente O que que a gente precisa entender isso aqui essa aqui precisa estar zerada também a pensar aqui treinador vamos lá a [Música] em casa esperando ter

acho que quem está pronto tem essa distribuição aqui né esse cara que é graficamente representa o nosso nosso que é deixa eu ver se até coloco a minha câmera aqui velho o Ok vamos lá E aí Vocês conseguem ver ela então vamos lá Aqui nós temos então amanhã o nosso modelo mas que é a onde eu tenho um gerador um discriminador e ele faz exatamente essa essa visualização de como eles são gerados eu vou dar um play aqui a gente vai começar enxergar uma ideia como ele é feito tá então o meu gerador eles eram

um determinado padrão os dados reais eles são entrados no meu discriminador e ele começa a ser classificado entre real ou o Fake conforme esses dados são colocados para cá os geradores e recebe naturalmente um Gradiente aqui né O que que faz a resposta e eu acho né antes era um moído discriminadores Então vai classificando esses dois para cá e conforme ele vai discriminando né nossa foi hoje é dia de pera funciona o assunto ele vai dando resultados né de Gradiente para carreta alimentando discriminador quando ele classifica como fé que ele retorna né esse Gradiente para

o gerador que gera novas amostras pega mais gratos pela mostras e assim vai como é que essa figurinha aqui ó os os dados o Real está em colocado em verde e o que é gerado pelo gerador né eu Janeiro ele é hein por por aqui né a e o classificador vai colocando essas essas ajustando na essas distribuições aí vai mostrando de forma a colorida aqui quando eu tenho esse mais mais por aqui né mais roxo É porque ele tão com e da parte que considera como sendo fica quando ele tá com uma parte mais esverdeada

essa os que não a do outro tá pensando que essa área que seria de dados reais de vendas do do da base real um dia quando ele está esbranquiçado aqui é que ele não tem certeza então exatamente a faixa onde ele tava esses certinhas que estão colocadas para cá elas são o gradiente então cada vez que o meu gerador em cada passo cada época que ele vai colocando para cá ele gera ele aponta para onde está o gradiente para se movendo essas novas amostras para cá então ele já eram novas há massas e aqui ele

tá morando mostrando né ou o seu Gradiente e ele já está já bem aproximado aqui tem algumas palavras para cá ele vai estando e vai fazendo esse ciclo né rodando para cá a nas métricas eu tenho a função Pedro né a próxima do discriminatória do jogador e os e percebe que ele vai aumentando ou diminuindo e até que ele chegue né bem próximo aqui também eu posso medir como são as bolsas EAD mesma forma a Greys né como é que tá as dia uma das duas funções e aqui também é bem Interessante enquanto ele tá

fazendo isso aqui que eu posso colocar nesse botãozinho pra cá e ele pode meditar e alterar esses parâmetros Então esse aqui bem dinâmica não só lhe mostra como ele tá fazendo mas eu posso é a a fazer ajustes isso aqui e colocar alterar para então aqui são as regionais Ela tá com uma camada só escondida com um rede consegue neurônios a no gerador ele tá com uma camada só escondida consegui um horário então posso ajustar esses melões esses neurônios aqui os utilizadores também eu posso colocar ele como a Dama dele G sdg né e a

taxa de aprendizagem também eu posso fazer uma alteração dos aqui para ser mais rápido para ser mais devagar para mim bastante atenção podem ser ajustados eu também na minha função de Pedro negócio de fontes ele pode ser o log a Deus mínimos quadrados então eu posso aqui e alterar e ver como é que ele funciona né aqui as atualizações estão papo uma por época Então posso aumentar esse aqui também o carro ou seja se aqui monte de médico e eu tô vendo exatamente como como o a minha rede essa ganhar nessas duas vezes em horários

Profundas eles estão aprendendo né a gente não tem exatamente a função né mas ele ela está implícita aqui e ele tá fazendo esse esses ajustes aqui até chegar uma no ponto ótimo pela convergência mas eu já percebi que ele já conseguiu se aproximar bastante né da do que ele tá te chamando de real e essa área branquinho aqui é a parte de incerteza e eu também posso nesse esse tempo aqui colocar passo a passo lembra que o gerador realmente ele feito 11 anos né eu faço um Exterminador depois do jogador então não mente fácil gerador

um passo do gerador posso fazer um passo dos criador passo gerador baixo treinador Qual o passo de anos então eu posso testar que minimamente também ele passo a passo como eu quero fazer cada época cada passo né aqui eu posso também nessa ele vai explicar graficamente o que que ele tá fazendo tomo tocar aqui e a gente pode ver como é que é o treinamento já então em cada fase dessa ele tá gerando na vida de Vargas com os netos dos nossos geram classificador para os exemplos quais a função de e de perda né com

ponto a pessoa de pedra gera é o eliminador atualiza o treinador aí gera função é bom dia com os erro curso nossos netos está muito rápido sobre o para aqui tá Olá vamos devagarzinho você mora um a ele gerou as funções vão fazer passo a passo aqui né ah não tem que fazer o que fazer não é só tem que ser um pouquinho mais mais vamos lá em tentar colocar ele fez gerou né os exemplos a partir dos dormido o criador classificou esses exemplos também muito fácil de fazer os juros o registo já classificou os

exemplos aí ele gerou né a função de de perdê-las Fusion em retroalimentador Joaquim comuns como o rosto Heróis A funçao E aí ele vai este fazer os estimativos né dos ingrediente para realimentar retroalimentar aqui no final do outro e vai atualizar onde que mudou a baseado nesses gradientes aí agora ele passa para um gerador congelador também haveria esses exemplos com os ruídos aí pega os Unidos mais experiente e classifica bom então os jogos são plástico Ai que são classificados essa pausa tá muito rápido bom vou fazer por aqui tá o senador classificação fez com os

exemplos 1 e é computado depois a função de perda e o Já notou Grandes Homens também gera de novamente o gradiente e atualiza o jogador base atualmente certo em quantidades aqui que tá custando demais mas perceber então cada uma dessas fases É bem interessante Dá para brincar bastante dá para entender bastante como funciona e aqui ele já tá bem próximo da convergência percebe que os ingredientes né Às vezes o aumento de noite mas estamos bem próximos aqui da de uma convergência e já tem quantidade de ervas que ele já já rodou que ele continua uma

parada aqui é a mesma forma só para a gente a gente ficar aqui a boca outras poluições redondinho por exemplo aqui em mim ver como é que elas elas se trata também ó tá vendo essa região verde é aquele considera o geladeira a região é pura nesseria a região que é falso aqui os tem os dados do gerador aqui os da amostra com Fake ele tá fazendo as aplicando e gerando novos novas funções de Pedro e retroalimentando a Oi Roberta Sá se você é melhor aqui sempre faz assim uma coisa importante eu gerei lá eu

continuei com as funções eu posso alterar aqui né minha função dinheiro net ruim do Perdão é para funções do hospital cenas de uma dimensão duas dimensões como eu tenho 16 quinto circula eu vou colocar o da Luciana aqui por exemplo para ver se ele dá uma melhorar Você acha pra gente ver também como ele se comporta o exemplo mais interessante transmissão Olha eu dei uma espalhada o maior aí já consigo começa já a gente tá mais fácil perceber só função dia e mudar a função dividida do congelador já alterou essa como seria essa mostra Marco

para gerar nessa mostra que você não eu começo a ficar melhor agora eu vou começar a perceber alguma coisa Redonda aqui bem interessante não dá para brincar bastante preço aqui certo é muito bem então dá para brincar bastante com cidade achei muito interessante de vão fazer para vocês mas não tem não só apresentação é como é que seria etapa para modelar fazer modelagem de uma marquinha tá basicamente eu tenho que definir o meu problema né e naturalmente coletar os dados escolher uma arquitetura que é e depende como vai ser usado nessa Essa guerra sobre nada

disso treinador com os dados reais para predizer os com os pais né por m número de vezes também chama Haverá paz gera as entradas fake pelo jogador tem não o discriminador com os dados feito independente da origem nessa matemática dizer que são feitos de guincho o treino gerador com a saída pesquisador para tentar enganar enganar o discriminador eu aprendi são então assim e essa seria um modelo de qualquer coisa você tinha preciso fazer em essa Eu segui esses Passos tá aí surgiram irem aplicações Há muitas aplicações na está aqui algumas aqui também e no final

nós vamos ver algumas coisas Super Interessante está bem e também vamos ver os problemas é mais dentre as aplicações nós temos as pressões de frame de baixa frequência ou de baixa qualidade para os vídeos antigo sobre câmeras de segurança é geração de texto A partir de imagens através de geração de Leal semânticos adicionado um gerador de mais promocionais por exemplo é melhorar a resolução de imagens para super soluções né Nós temos hoje as TVs de 4K câmeras cada vez mais nos principalmente é televisores grandes então você tem vídeos antigos onde E aí você consegue gerar

né novas novas imagens aperfeiçoar essas imagens fica alguma coisa realmente incrível né tanto que a vida de câmeras segurança como começo detalhes azuis Qualquer que seja né a mídia de pessoa esse tipo de entrar há também imagens interativas né moscas demais a partir de desenhos não se desenha faz um desenho né interativamente ele traz a alguma coisa no banco de dados e referente aquilo sistematizar uma Face animada re ensinada pelos movimentos das pessoas preservando aparência então é incrível hoje você já tem aplicações no celular que você consegue capturar sua imagem em tempo real ele coloca

uma Face e faz né a toda essa esse essa adaptação em tempo real usando 500 o princípio das suas crianças e na alguns vídeos aqui né algumas aplicações que melhoram né progressivo do homem né melhoramento né no meio da neta qualidade e estabilidade e avaliação de imagens é tem esse vídeo aqui também de uma hora de imagens e habilidades imaginárias e outra coisa bem interessante pergunta os pontos bem fortes a nesse de 500 que são a geração de imagens de pessoas que não existam Tá eu vou colocar a esse vídeozinho que eu achei bem interessante

só pra ter um gostinho de como essa mostra desse tipo de aplicação bom então a sessão desse site ele é um projeto é daí NVIDIA colocar aqui para tocar e ele faz a gera a imagem do Norte nenhuma dessas pessoas é são reais se as imagens não foram totalmente geradas por 500 né então eles melhoraram absurdamente a qualidade na essas imagens nosso Realmente parece foi uma foto tirada Mas elas são totalmente geradas a partir de outras imagens e com a qualidade realmente muitos na esposa da índia é fantástico Então ela tem esse n amostras aqui

para ele vai dizer exatamente como faz né estrelou nessas as 500 usando 30 mil 7 fotos de celebridades e a rede aprendeu e gerou novas imagens né aquele show colocando é a quantidade de horas para mim para poder renderizar essas novas pessoas né mas imagens cada vez mais o maior qualidade naturalmente demoram uma quantidade absurda de horas para poder gerar cada uma delas mas percebe assim Rodrigo não é um dia gerada à imagem do nosso dia depois o treinamento essa gente regeneradora agonizou não nos de imagens e Inter pulou cada uma delas né a gente

vê essa variação vai pegar para você banco gigantesco demais e começou agora a fazer ver como foram as transformações delas né então isso também a outra é uma coisa bem interessante isso aqui tá mais um divertido né para ver as transformações de como esses eventos gerados mais de altíssima resolução usado get a uma das publicações realmente mais fascinantes um pouquinho e vou da última etapa muito bom mais assim Nem tudo são flores também nós temos também muitos desafios é essa foi uma das aplicações mas as crianças também têm dificuldades né É pizza fios para poder

velhos avançar né E tem sido também inclusive por isso é fonte né motivador de muitos estudos comprei o primeiro problema era estabilidade entre o discriminador e o jogador é necessário tem que ter essa estabilidade entre os jogadores que nadou caso contrário a rede cair ar por completo né Por exemplo seu discriminador por mais poderoso forte né O zelador irá falhar completamente ele não será capaz de gerar amostras para o treinador e que sempre a gente espera como fake né deixando a rede muito bem cliente então qualquer imagem já se você está sempre considerada falando assim

a rede de luxo Então isso é um dos pontos fundamentais os problemas também é para determinar o posicionamento de objetos Então acho que a gente tem essas regiões Leste que nós aprende só que se você pega uma gama de objetos conforme essa pressa sessão é esse carentes né Ele disse que às vezes elas falham miseravelmente nessas Pedras em termos de quantas vezes objeto deve ocorrer em determinada localização né Por exemplo a imagens três cachorros com dois olhos cada pode gerar um cachorro com seis ovos então isso realmente é bem complicado dizendo adianta só ter uma

massa de dados muito grande também mas a essa parte de posicionamento Ela é bem crítica também outros problemas de entendimento das perspectivas perspectivas tridimensional é muito difícil nem imagens geradas é ingredientes né absorvido CD processada por 500 depois eles não são capazes de compreender a perspectiva né é imagens e frequentemente dá uma imagem plana de um objeto 3D né Eu não sei o que mais acontece quando também problema de entendimento de objetos globais ainda não comprei de longe não diferencia uma estrutura holísticas uma coisa mais genérica por exemplo se dissesse mais árvores ou se está

falando de flores processo fez os desenhos a gente humana Concert linguetas a uma rede que ama né tem isso e programa de imunização mas ao contrário eu também achei interessante né esses motivos para amar as guerras ou seja Quais são as os potenciais de doenças degenerativas diversos e vai esse fala que sei né e é um recurso dizer naturalizou-se Americano pela Universidade de berkley nessa conferência aqui 2018 tá aqui a referência também do vídeo quiser ver a as guerras elas são muito interessante para iniciar uma concorrência ou seja descobrir propriedades emergentes então novas ideias e

coisas interessantes que normalmente não são factos dos objetivos objetivos essenciais Então você tem às vezes coloca com uma expectativa e de repente você descobre outras aí então isso é muito interessante da novas concorrências com nossos novos modelos novas descobertas às vezes também podem ser usados como uma função de perda apreendida isso é que um das coisas que mais é o Alex aí destaca é pensar o Exterminador o Magno condicional com uma lotion que basicamente aprende a função de Pedro a partir dos dados então na perspectiva de Geneve dentro de uma função de pedra em vez

de desenhar na mão isso é apreendido Então essa é a Maravilha daquela né é quem também são metas supervisores Né mega Survival supervisors Diferentemente dos revisores comuns diretos né que você coloca uma rede de supervisionar imaginar com uma resposta deve se comportar corretamente então FX pertence ao domínio a conjunto de y no lugar de f de x = e também é a consistência se fica né d g d f de x = x Isso então isso aqui é uma característica muito interessante porque eu não preciso as coisas não são de termos de riscos ela gosta

também um com a faixa e ela consegue captar essas nuances né quem está bem são ótimos mesmo geradores de dados serão as guerras com o memórias habilidades paramétricos de composição é um modo muito mais rápido que os vizinhos mais próximos são paramétricos mais próximos não paramétrico perdão ela consegue gerar esse muito uma forma muito mais rápido parece ser capaz de escolher quando roubar não é quando absorver né os dados de treinamento para recompor as possibilidades então isso aqui é muito usado para melhoria de imagens eu tenho uma margem de baixa resolução eu tenho alguma coisa

ali no meio redes 500 na as crianças ela consegue três dizer isso aqui em roubar no lugar certo é puxar cada coisa para o lado e dá um resultado bem interessante e muito mais rápido Ah e por fim às guerras são estão democratizando a arte computacional então desde que foram produzidos nesses primeiros modelos aí disponibilizada inclusive né e eu perdi Science essas aplicações disponível para qualquer um várias pessoas começaram usar esse Eu também de forma artística né e democrática nessa arte computacional então desde que foi colocado esses trabalhos publicados e números realizações criativas na internet

ou variação de propósitos artísticos e são nosso muitos modos legais de criatividade né eu vou colocar inclusive 10 exemplo desse aqui que eu achei realmente Fantástico e vale a pena vocês olharem eu vou fazer aqui junto com você clicar nesse link É nesse site diretamente neste hotel e aqui maximizar a gente vê esse aqui é bem engraçadinho tá ele já era imagens para as demais imagens através de uma entrada é você processa e gerar um aqui por exemplo eu tenho é posso fazer com quantos gerar gastos aleatóriamente certo então eu posso colocar ele que ele

e processar para ele gerar novas amostras tá fazendo valor do modelo conforme essa imagem que se foi colocada para cá e aqui tá uma coisa mas comprar sozinha mas dentro agora mas é como se eu desenhasse aqui uma entrada e ele vai me tirar um gatinho conforme essa entrada vai fazer até mais simples é a carregar vai sabe porque o modelo Tá eu vou ali para colocar aqui um aleatório ele faz um desenho é fora e gera Joice aqui se algumas pré-definidas né mas eu vou fazer o seguinte vou desenhar aqui ó um alguma coisa

que qualquer e vamos ver o que que ele vai gerar a tentar processar ele tá fazendo isso através de um modelo de caso então a essa entrada vai estar gerando uma imagem né bem com a parte de gatos né as pedras nas fronteiras aqui para gato ele vai gerar aqui um gatinho e mudando a gatinha e o gatinho meio torto aqui você fala realmente não tá muito legal então por exemplo se eu tenho aqui eu posso gerar janelas né eu posso gerar uma entrada e ele processo gera isso aqui essa imagem aqui ela não ela

é baseada em fachadas mas o falso Pode colocar um Janelão aqui e processar ele vai colocar um processar um umas imagens de geral outra a partir dessas entradas da mesma forma sapatos desenho alguma coisa parecida um sapato me dá uma forma de sapato e assim vai tá esse é um exemplo mais um outro exemplo Bacana também é aquele outro que a gente fez chover aqui esse outro exemplo aqui também é muito legal ele gera as imagens é isso que eu achei Fantástico esse aqui merece TV junto tá então a isso aqui são ao já tá

gerado um vídeo Tá certo eu vou gerar um deles aqui ele aqui é um já um gerador de uma quinta ondas né E aqui é uma imagem A partir de entrada então aqui eu tenho uma entrada e que seria saída vamos tocar aqui para ver como é que ele faz só e aí pouco música inclusive dá uma tomate cidade ele tá fazendo um vídeo peça que você tinha uma panela Ele desligou a panela panela e tá jogando aqui é uma imagem bacana como se fosse ondas e E aí é isso é isso [Música] é algo

bacana E aí é legal olha isso usada as clientes em outras vendo aqui também bem bacana colocar esse com Tem um aqui de fogo que é muito bacana também essa que a gente flores é muito legal ele mostra como ele fez bom vocês podem ver um exemplo bem de criativo e como usou o software disponível e gerou um vídeo na em arte né através dessas é desse esses recursos das crianças estão aqui para cá certinho então chegamos ao final né do nosso da nossa apresentação da espuma parte introdutória né mostrando toda essa capacidade do que

é e eu uns efeitos o potenciais que são as réguas usando as redes neurais agradeço e até mais obrigado