Récemment, nous avons constaté une amélioration spectaculaire de notre capacité à synthétiser des images réalistes. La technologie responsable d'une grande partie de cette amélioration est connue sous le nom de réseau génératif par antagonisme (Generative Adversarial Networks ou GAN).
Les GANs adoptent une nouvelle façon d'entraîner des modèles génératifs neuronaux, via un jeu entre deux réseaux neuronaux. Le premier réseau, appelé le générateur, apprend à synthétiser des images qu'il essaie de faire passer pour de vraies images; tandis que l'autre réseau, appelé le discriminateur, apprend à distinguer entre des images réelles et des faux du générateur.
Dans cette conférence, nous présenterons le cadre d'apprentissage du GAN et passerons en revue les progrès récents dans ce domaine. Nous verrons également comment le cadre d'apprentissage contradictoire peut être étendu à un large éventail d'applications au-delà de la génération d'images.