9. 2020年《DeepMind＆UCL深度學習講座》第9講：生成對抗網絡GAN【中文字幕】

[2020年《DeepMind＆UCL深度學習講座》第9講：生成對抗網絡GAN【中文字幕】](https://www.bilibili.com/video/BV1SZ4y1T7rw/)

生成對抗網絡（GAN），最早由Ian Goodfellow等提出。 2014年，它已成為生成模組化（尤其是圖像合成）最有前途的方法之一。在最基本的形式上，它們由兩個“競争”網絡組成：一個生成器試圖生成類似于給定資料分布的資料（例如圖像），以及一個鑒别器來預測其輸入來自真實資料分布還是來自真實資料分布。生成器，它指導生成器生成越來越逼真的樣本，因為它學會了更有效地“欺騙”鑒别器。本講座讨論了這些模型背後的理論，優化模型所涉及的困難以及對基本架構的理論和經驗改進。它還讨論了該架構在其他問題公式（例如CycleGAN），領域（例如視訊和語音合成）及其在表示學習中的用途（例如VAE-GAN混合，雙向GAN）的最新應用）。

注意：本次演講原本是該系列中的11号廣告。

在此處下載下傳幻燈片：

https://storage.googleapis.com/deepmind-media/UCLxDeepMind_2020/L9%20-%20UCLxDeepMind%20DL2020.pdf

在此處了解有關DeepMind如何增加科學擷取機會的更多資訊：

https://deepmind.com/about#access_to_science

演講者簡介：

Jeff Donahue是DeepMind的深度學習團隊的研究科學家，目前專注于對抗性生成模型和無監督的表示學習。他曾在BigGAN，BigBiGAN，DVD-GAN和GAN-TTS項目中工作。他完成了博士學位。在加州大學伯克利分校，緻力于視覺表示學習，其項目包括DeCAF，R-CNN和LRCN，這是将深度視覺表示轉移到傳統計算機視覺任務（例如物體檢測和圖像字幕）的最早應用。在伯克利工作期間，他還共同上司了Caffe深度學習架構的開發，該架構于2017年獲得了Mark Everingham獎，以表彰其對計算機視覺社群的貢獻。

Mihaela Rosca是DeepMind的研究工程師，也是UCL的博士生，專注于生成模型研究和機率模組化，從變異推理到生成對抗網絡和強化學習。加入DeepMind之前，她曾在Google工作，使用深度學習解決自然語言處理任務。她擁有倫敦帝國理工學院的計算機工程學士學位。

關于講座系列：

深度學習講座系列是DeepMind與UCL人工智能中心之間的合作。在過去的十年中，深度學習已發展成為領先的人工智能範式，使我們能夠以前所未有的準确性和規模從原始資料中學習複雜的功能。深度學習已應用于對象識别，語音識别，語音合成，預測，科學計算，控制等問題。由此産生的應用程式觸動了我們在醫療保健和醫學研究，人機互動，通信，運輸，保護，制造以及許多其他人類努力領域中的一生。認識到這一巨大影響，深度學習的先驅獲得了2019年圖靈獎，這是計算機領域的最高榮譽。

在本系列講座中，來自領先的AI研究實驗室DeepMind的研究科學家針對深度學習中的一系列令人興奮的主題進行了12次講座，内容涵蓋了通過圍繞記憶，注意力和生成模組化的先進思想來訓練神經網絡的基礎知識，以及重要的負責任的創新主題。