Métodos generativos basados en transporte óptimo

Abstract

En los últimos 10 años hemos visto grandes avances en el campo de la inteligencia artificial. Estas aplicaciones emergentes no serían posibles sin el desarrollo previo de los autocodificadores, redes capaces de generar objetos nuevos extrapolando distribuciones de probabilidad de conjuntos de datos, utilizando técnicas que reducen la dimensión de los datos. Esto nos lleva a preguntarnos cómo funcionan estas redes y cómo es la realidad actual de las aplicaciones más punteras. Para entender mejor el estado en el que se encuentra la tecnología, este trabajo presenta las redes que conforman la base de los métodos actuales, utilizados en la actualidad para la generación de elementos escritos y visuales. En el trabajo se explica el funcionamiento de los autocodificadores y los resultados que produjeron implementaciones de las mismas basadas en el transporte óptimo. Esto demostrará lo mucho que se ha avanzado en poco tiempo, además de ser una buena introducción para todo aquel que quiera entender el funcionamiento de las redes de aprendizaje profundo más punteras.

The last 10 years have seen great advances in the field of artificial intelligence. These emerging applications would not be possible without the prior development of autoencoders, networks capable of generating new objects by extracting probability distributions from datasets, using dimensional reduction techniques over the sets. This leads us to ask ourselves how these networks work and what is the current reality of state-of-the-art applications. To better understand the state-of-the-art, this paper presents this networks, which form the basis of the current methods used today for the generation of written and visual elements. The paper explains how autoencoders work and implementations of them based on optimal transport. This will demonstrate how much progress has been made in a short time, as well as being a good introduction for anyone who wants to understand the behavior of state-of-the-art deep learning networks.