Réseaux Génératifs d'Adversariat (GAN)

Définition

Les GAN sont une classe de modèles d’apprentissage automatique dans lesquels deux réseaux neuronaux (un générateur et un discriminateur) s’affrontent pour créer des données synthétiques réalistes.

Interet

L'objectif est de générer des données réalistes telles que des images, du son ou du texte. Les GAN sont utilisés dans les industries créatives, l'augmentation des données et la recherche.

Importance

• Produit des données synthétiques de haute qualité.
• Permet la créativité dans le design et l'art.
• Risque d’utilisation abusive pour les deepfakes et la désinformation.
• Formation coûteuse en termes de calcul.

Fonctionnement

1. Le générateur crée des données synthétiques à partir de bruit aléatoire.
2. Le discriminateur évalue si les données sont réelles ou fausses.
3. Les deux réseaux sont formés simultanément.
4. Le générateur s'améliore en apprenant à tromper le discriminateur.
5. L'itération continue jusqu'à ce que les résultats ressemblent à des données réelles.

Exemples (monde réel)

• NVIDIA StyleGAN : génère des visages humains réalistes.
• Applications DeepFake : création de vidéos synthétiques.
• Images médicales synthétiques pour l'augmentation des données de recherche.

Références / Lectures complémentaires

• Goodfellow et al. « Réseaux antagonistes génératifs ». NeurIPS 2014.
• Notes de cours GAN d'Ian Goodfellow.
• Transactions IEEE sur les réseaux neuronaux et les systèmes d'apprentissage.