Une percée majeure en machine learning est l’apparition récente des réseaux antagonistes génératifs ou en anglais Generatif Adversarial Networks (GANs), qui permet de simuler des données , e.g., visages, pratiquement impossibles de différencier de vraies données. Ses applications sont aussi nombreuses que diversifiées, allant de l’édition de photos jusqu’à la traduction automatique en passant par le transfert de style. Dans cet exposé, Prof. Chen va introduire les principes de base des GANs , en décrire quelques applications , et donner un aperçu de ses derniers travaux, notamment de l’algorithme IVI-GAN, qui permet d’isoler des facteurs de variation dans la génération de données.
Dr. Liming Chen est Professeur à l’Ecole Centrale de Lyon où il mène un groupe de recherche sur la vision par ordinateur, le machine learning et la robotique depuis de nombreuses années. Son groupe a été lauréat des médailles d’or et d’argent du challenge ImageClef sur l’annotation automatique d’images en 2011 et de médaille d’or au challenge Shrec 3D face recognition en 2012. Leurs travaux de recherche ont trouvé de nombreuses applications, e.g., Morphoway, en biométrie pour le portail de passage automatique à l’aéroport, ou encore en bras de manipulation robotique, en partenariat avec des acteurs industriels majeurs.
Références :
– Generative Adversarial Nets, Goodfellow : https://papers.nips.cc/paper/5423-generative-adversarial-nets.pdf
– Conditional Generative Adversarial Nets, Mirza : https://arxiv.org/pdf/1411.1784.pdf
– Intra-class Variation Isolation in Conditional GANs, Chen : https://arxiv.org/pdf/1811.11296.pdf
