Les Réseaux Antagonistes Génératifs (GAN) sont constitués d’une paire de réseaux neuronaux - un générateur et un discriminateur - qui s’affrontent dans un jeu à somme nulle, visant à produire des données synthétiques de plus en plus authentiques.
Leur attrait provient de leur capacité impressionnante à modéliser des distributions complexes, à créer des résultats très réalistes et variés, et à nécessiter relativement peu d’hypothèses sur la nature de l’ensemble de données cible.
Par conséquent, les GAN ont trouvé de nombreuses applications dans divers domaines, notamment la conception graphique, le montage vidéo, la composition musicale, l’augmentation des données et la détection des fraudes.
Bien qu’ils soient aujourd’hui largement dépassés par les transformers et les diffusions models, les GANs ont constitués une véritable rupture dans le domaine du génératif.
Principes et architecture d’un Generative Adversarial Network (GAN).
Generator et Discriminator
GAN training
Wasserstein and Earth Moving Distance
From GAN to WGAN and WGAN to WGAN-GP
