Red Adversarial Generativa (GAN)

Cómo funcionan los GANS

La idea central de las GAN es un juego competitivo entre dos redes:

1. El Generador: Esta red intenta crear datos sintéticos (por ejemplo, imágenes, sonidos, texto) que parezcan proceder del conjunto de datos real. Comienza tomando ruido aleatorio como entrada e intenta transformarlo en salidas de aspecto realista.
2. El Discriminador: Esta red actúa como juez. Su objetivo es distinguir entre datos reales (procedentes de los datos reales de entrenamiento) y datos falsos producidos por el Generador. Emite una probabilidad que indica la probabilidad de que una muestra de entrada sea real.

Durante el entrenamiento, estas dos redes se entrenan simultáneamente. El Generador aprende a producir datos cada vez más realistas para engañar al Discriminador, mientras que éste mejora en la identificación de datos falsos. Este proceso utiliza la retropropagación para actualizar los pesos del modelo de ambas redes en función de su rendimiento, guiándose por una función de pérdida específica. El sistema alcanza un equilibrio cuando el Generador crea datos tan convincentes que el Discriminador ya no puede distinguirlos de forma fiable (con un rendimiento no mejor que el de la adivinación aleatoria).

Conceptos clave y retos

Varios conceptos son fundamentales para comprender las GAN:

• Pérdida adversaria: Las funciones de pérdida se diseñan de modo que la mejora del Generador se corresponda con el empeoramiento del Discriminador, y viceversa, impulsando el proceso de aprendizaje competitivo.
• Estabilidad del entrenamiento: Entrenar GANs puede ser notoriamente difícil. Los problemas más comunes son:
  • Colapso del modo: El Generador sólo produce una variedad limitada de salidas, sin captar toda la diversidad de los datos de entrenamiento. Más información sobre el colapso del modo.
  • Gradientes que desaparecen: El Discriminador se vuelve demasiado bueno con demasiada rapidez, proporcionando poca información útil (gradientes) para que el Generador aprenda de él. Véase el problema del gradiente evanescente.
  • No convergencia: Los modelos pueden no alcanzar un equilibrio estable.

Los investigadores han desarrollado diversas técnicas y modificaciones arquitectónicas (como las GAN de Wasserstein o WGAN) para mitigar estos retos y mejorar la estabilidad del entrenamiento.

Aplicaciones en el mundo real

Los GAN han encontrado numerosas aplicaciones, especialmente en la generación de contenidos visuales:

1. Generación de imágenes realistas: Los GAN como StyleGAN y BigGAN pueden generar imágenes fotorrealistas de alta resolución, como rostros humanos(Esta persona no existe es un ejemplo popular), animales u objetos. Esta capacidad es valiosa para crear arte, activos de juegos y, potencialmente, generar datos sintéticos para aumentar los conjuntos de datos para el entrenamiento de modelos como Ultralytics YOLO.
2. Traducción de imagen a imagen: Modelos como pix2pix y CycleGAN pueden transformar imágenes de un estilo a otro, como convertir imágenes de satélite en mapas, bocetos en fotos, o cambiar las estaciones en las fotografías. Explora ejemplos de traducción de imágenes.
3. Aumento de datos: Las GAN pueden generar variaciones de los datos existentes, realizando de forma eficaz el aumento de datos. Esto es útil en campos como el análisis de imágenes médicas, donde los datos reales pueden ser escasos, y ayuda a mejorar la solidez de los modelos de diagnóstico.

GANS frente a otros modelos generativos

Los GAN son distintos de otros enfoques generativos:

• Autocodificadores variacionales (VAE): Los VAE son otro tipo de modelo generativo, pero se entrenan de forma diferente, optimizando un límite inferior en la log-verosimilitud de los datos. En general, producen resultados más suaves pero potencialmente más borrosos que los GAN. Lee una descripción general de los VAE.
• Modelos de Difusión: Estos modelos, al igual que la Difusión Estable, funcionan añadiendo gradualmente ruido a los datos y aprendiendo después a invertir el proceso. A menudo consiguen resultados punteros en calidad y diversidad de imágenes, pero pueden ser más lentos a la hora de generar muestras que los GAN. Consulta la entrada del glosario sobre modelos de difusión.

Mientras que las GAN se centran en la generación, los modelos discriminativos pretenden clasificar o predecir basándose en los datos de entrada, como los modelos utilizados exclusivamente para la clasificación de imágenes o la detección de objetos. El Discriminador en una GAN es esencialmente un modelo discriminativo, pero su papel forma parte del marco generativo más amplio.

Las GAN representan un hito importante en el aprendizaje profundo, ampliando los límites del potencial creativo de la IA. Puedes profundizar más leyendo el artículo original Generative Adversarial Nets. Para implementaciones prácticas, explora recursos como los tutoriales GAN deTensorFlow o los ejemplos dePyTorch.