1.5.1 – Modelos Generativos
1.5.1.1 – Redes Neurais Generativas
1.5.1.1.1 – GANs – Geradoras
1.5.1.1.2 – Variational Autoencoders – VAE
1.5.1.1.3 – Modelos de Difusao – U-Net
redes que criam conteúdo original
Redes neurais generativas são modelos que aprendem a criar novos dados realistas. Diferente de redes discriminativas que apenas classificam, elas geram conteúdo original. Primeiramente, aprendem a distribuição dos dados através de seus parâmetros. Além disso, amostram dessa distribuição para produzir exemplos inéditos. Por exemplo, gerar rostos humanos que nunca existiram ou músicas originais.
principais arquiteturas generativas neurais
GANs, VAEs e modelos de difusão são as arquiteturas neurais generativas dominantes. Primeiramente, GANs usam competição entre gerador e discriminador para realismo extremo. Além disso, VAEs aprendem espaços latentes contínuos e interpretáveis. Modelos de difusão iteram remoção de ruído para alta qualidade.
aprendizado de representações generativas
Redes generativas aprendem representações latentes que capturam variações dos dados. Primeiramente, o espaço latente permite controle sobre atributos gerados. Além disso, permite interpolação suave entre exemplos diferentes. Por exemplo, alterar idade ou expressão facial em imagens geradas.
aplicações e impacto
Redes generativas revolucionaram criação de conteúdo e inteligência artificial. Primeiramente, usadas em arte digital, design e entretenimento. Além disso, geram dados sintéticos para treinamento de outros modelos. Por exemplo, criar imagens fotorrealistas de produtos. Para iniciantes, mostra o poder criativo das redes neurais. É uma área em rápida evolução com enorme potencial.
