O que é uma Rede Adversária Generativa (GAN)?

Redes Adversárias Generativas (GANs) são tipos de arquiteturas de redes neurais capazes de gerar novos dados que conformam aos padrões aprendidos. GANs podem ser usadas para gerar imagens de rostos humanos ou outros objetos, realizar tradução de texto para imagem, converter um tipo de imagem para outro e melhorar a resolução de imagens (super resolução) entre outras aplicações. Como GANs podem gerar dados completamente novos, elas estão à frente de muitos sistemas, aplicações e pesquisas de ponta em IA. No entanto, como exatamente as GANs funcionam? Vamos explorar como as GANs funcionam e dar uma olhada em algumas de suas principais aplicações.

Definindo Modelos Generativos e GANs

Uma GAN é um exemplo de modelo generativo. A maioria dos modelos de IA pode ser dividida em uma de duas categorias: modelos supervisionados e não supervisionados. Modelos de aprendizado supervisionado são tipicamente usados para discriminar entre diferentes categorias de entradas, para classificar. Em contraste, modelos não supervisionados são tipicamente usados para resumir a distribuição dos dados, frequentemente aprendendo uma distribuição normal dos dados. Como eles aprendem a distribuição de um conjunto de dados, eles podem tirar amostras dessa distribuição aprendida e gerar novos dados.

Diferentes modelos generativos têm diferentes métodos de geração de dados e cálculo de distribuições de probabilidade. Por exemplo, o modelo Naive Bayes opera calculando uma distribuição de probabilidade para as várias características de entrada e a classe generativa. Quando o modelo Naive Bayes renderiza uma previsão, ele calcula a classe mais provável, tomando a probabilidade das diferentes variáveis e combinando-as. Outros modelos generativos não baseados em aprendizado profundo incluem Modelos de Mistura Gaussiana e Alocação Latente de Dirichlet (LDA). Modelos generativos baseados em aprendizado profundo incluem Máquinas de Boltzmann Restritas (RBMs), Autoencoders Variacionais (VAEs) e, claro, GANs.

Redes Adversárias Generativas foram primeiramente propostas por Ian Goodfellow em 2014, e elas foram aprimoradas por Alec Redford e outros pesquisadores em 2015, levando a uma arquitetura padronizada para GANs. GANs são na verdade duas redes diferentes unidas. GANs são compostas por duas metades: um modelo de geração e um modelo de discriminação, também referido como gerador e discriminador.

A Arquitetura GAN

Redes Adversárias Generativas são construídas a partir de um modelo de geração e um modelo de discriminação juntos. O trabalho do modelo de geração é criar novos exemplos de dados, com base nos padrões que o modelo aprendeu a partir dos dados de treinamento. O trabalho do modelo de discriminação é analisar imagens (supondo que seja treinado em imagens) e determinar se as imagens são geradas/falsas ou genuínas.

Os dois modelos são colocados um contra o outro, treinados de forma teórica de jogos. O objetivo do modelo de geração é produzir imagens que enganem seu adversário – o modelo de discriminação. Enquanto isso, o objetivo do modelo de discriminação é superar seu adversário, o modelo de geração, e capturar as imagens falsas que o gerador produz. O fato de os modelos serem colocados um contra o outro resulta em uma corrida armamentista, onde ambos os modelos melhoram. O discriminador recebe feedback sobre quais imagens eram genuínas e quais imagens foram produzidas pelo gerador, enquanto o gerador é alimentado com informações sobre quais de suas imagens foram marcadas como falsas pelo discriminador. Ambos os modelos melhoram durante o treinamento, com o objetivo de treinar um modelo de geração que possa produzir dados falsos que sejam basicamente indistinguíveis de dados reais e genuínos.

Uma vez que uma distribuição normal de dados foi criada durante o treinamento, o modelo de geração pode ser usado. O modelo de geração é inicialmente alimentado com um vetor aleatório, que ele transforma com base na distribuição normal. Em outras palavras, o vetor semeia a geração. Quando o modelo é treinado, o espaço do vetor será uma versão comprimida, ou representação, da distribuição dos dados. A versão comprimida da distribuição dos dados é referida como espaço latente, ou variáveis latentes. Mais tarde, o modelo GAN pode então tomar a representação do espaço latente e desenhar pontos a partir dele, que podem ser dados ao modelo de geração e usados para gerar novos dados que sejam muito semelhantes aos dados de treinamento.

O modelo de discriminação é alimentado com exemplos de todo o domínio de treinamento, que é composto por exemplos de dados reais e gerados. Os exemplos reais estão contidos no conjunto de dados de treinamento, enquanto os dados falsos são produzidos pelo modelo de geração. O processo de treinamento do modelo de discriminação é exatamente o mesmo que o treinamento de um modelo de classificação binária básico.

Processo de Treinamento GAN

Vamos dar uma olhada no processo de treinamento inteiro para uma tarefa hipotética de geração de imagens.

Para começar, a GAN é treinada usando imagens reais genuínas como parte do conjunto de dados de treinamento. Isso configura o modelo de discriminação para distinguir entre imagens geradas e reais. Ele também produz a distribuição de dados que o gerador usará para produzir novos dados.

O gerador recebe um vetor de dados numéricos aleatórios e os transforma com base na distribuição normal, retornando uma imagem. A imagem gerada, ao lado de algumas imagens genuínas do conjunto de dados de treinamento, é alimentada no modelo de discriminação. O discriminador renderiza uma previsão probabilística sobre a natureza das imagens que recebe, produzindo um valor entre 0 e 1, onde 1 é tipicamente imagens autênticas e 0 é uma imagem falsa.

Há um loop de feedback duplo em jogo, pois o discriminador é alimentado com a verdade dos dados, enquanto o gerador é dado feedback sobre seu desempenho pelo discriminador.

Os modelos de geração e discriminação estão jogando um jogo de soma zero um contra o outro. Um jogo de soma zero é aquele em que os ganhos de um lado vêm à custa do outro lado (a soma é zero em ambos os lados). Quando o modelo de discriminação consegue distinguir com sucesso entre exemplos reais e falsos, nenhuma alteração é feita nos parâmetros do discriminador. No entanto, atualizações grandes são feitas nos parâmetros do modelo quando ele falha em distinguir entre imagens reais e falsas. O inverso é verdadeiro para o modelo de geração: ele é penalizado (e seus parâmetros são atualizados) quando falha em enganar o modelo de discriminação, mas caso contrário, seus parâmetros são inalterados (ou ele é recompensado).

Idealmente, o gerador é capaz de melhorar seu desempenho a um ponto em que o discriminador não consegue discernir entre as imagens falsas e reais. Isso significa que o discriminador sempre renderizará probabilidades de 50% para imagens reais e falsas, significando que as imagens geradas devem ser indistinguíveis das imagens genuínas. Na prática, as GANs normalmente não atingem esse ponto. No entanto, o modelo de geração não precisa criar imagens perfeitamente semelhantes para ainda ser útil para as muitas tarefas para as quais as GANs são usadas.

Aplicações GAN

As GANs têm uma variedade de aplicações diferentes, a maioria delas girando em torno da geração de imagens e componentes de imagens. As GANs são comumente usadas em tarefas em que os dados de imagem necessários estão faltando ou limitados de alguma forma, como um método de gerar os dados necessários. Vamos examinar alguns dos casos de uso comuns para as GANs.

Gerando Novos Exemplos Para Conjuntos de Dados

As GANs podem ser usadas para gerar novos exemplos para conjuntos de dados de imagem simples. Se você só tiver alguns exemplos de treinamento e precisar de mais, as GANs podem ser usadas para gerar novos dados de treinamento para um classificador de imagens, gerando novos exemplos de treinamento em diferentes orientações e ângulos.

Gerando Rostos Humanos Únicos

A mulher nesta foto não existe. A imagem foi gerada por StyleGAN. Foto: Owlsmcgee via Wikimedia Commons, Domínio Público (https://commons.wikimedia.org/wiki/File:Woman_1.jpg)

Quando suficientemente treinadas, as GANs podem ser usadas para gerar imagens de rostos humanos extremamente realistas. Essas imagens geradas podem ser usadas para ajudar a treinar sistemas de reconhecimento facial.

Tradução de Imagem para Imagem

As GANs se destacam na tradução de imagem. As GANs podem ser usadas para colorir imagens em preto e branco, traduzir esboços ou desenhos para imagens fotográficas, ou converter imagens de um tipo para outro.

Tradução de Texto para Imagem

A tradução de texto para imagem é possível por meio do uso de GANs. Quando fornecido com texto que descreve uma imagem e a imagem acompanhante, uma GAN pode ser treinada para criar uma nova imagem quando fornecida com uma descrição da imagem desejada.

Edição e Reparo de Imagens

As GANs podem ser usadas para editar fotografias existentes. As GANs removem elementos como chuva ou neve de uma imagem, mas elas também podem ser usadas para reparar imagens antigas, danificadas ou corrompidas.

Super Resolução

A super resolução é o processo de tomar uma imagem de baixa resolução e inserir mais pixels na imagem, melhorando a resolução da imagem. As GANs podem ser treinadas para tomar uma imagem e gerar uma versão de maior resolução da imagem.

As GANs também podem ser usadas para reparar imagens antigas, danificadas ou corrompidas. Super Resolução Super resolução é o processo de tomar uma imagem de baixa resolução e inserir mais pixels na imagem, melhorando a resolução da imagem. GANs podem ser treinadas para tomar uma imagem e gerar uma versão de maior resolução da imagem. GANs também podem ser usadas para reparar imagens antigas, danificadas ou corrompidas.