BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//datacraft - ECPv6.15.20//NONSGML v1.0//EN
CALSCALE:GREGORIAN
METHOD:PUBLISH
X-WR-CALNAME:datacraft
X-ORIGINAL-URL:https://datacraft.paris
X-WR-CALDESC:Events for datacraft
REFRESH-INTERVAL;VALUE=DURATION:PT1H
X-Robots-Tag:noindex
X-PUBLISHED-TTL:PT1H
BEGIN:VTIMEZONE
TZID:Europe/Paris
BEGIN:DAYLIGHT
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
DTSTART:20220327T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20221030T010000
END:STANDARD
BEGIN:DAYLIGHT
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
DTSTART:20230326T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20231029T010000
END:STANDARD
BEGIN:DAYLIGHT
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
DTSTART:20240331T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20241027T010000
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
DTSTART;TZID=Europe/Paris:20230511T140000
DTEND;TZID=Europe/Paris:20230511T170000
DTSTAMP:20260415T031813
CREATED:20230411T113507Z
LAST-MODIFIED:20230420T131606Z
UID:8448-1683813600-1683824400@datacraft.paris
SUMMARY:ÉTAT DE L'ART - Les modèles génératifs appliqués aux images
DESCRIPTION:Inscription\n                \n            \n            \n			\n				\n				\n				\n				\n				Difficulté :** : Bonnes connaissances en ML/Data/IA et compétences de base en Python \nPrérequis techniques : Ordinateur portable \nIntervenants : Ugo Tanielian\, Machine Learning Researcher\, Criteo \n \nPrésentation de l’atelier :L’année 2022 a été riche pour la communauté Computer Vision\, avec le succès impressionnant des modèles de diffusion. On a vu en quelques mois les réseaux sociaux être envahis d’images générées par tour à tour: DALLE2 (OpenAI)\, Imagen (Google)\, Stable Diffusion (RunWayML)\, et enfin MidJourney. Si le succès de ces modèles génératifs repose sur l’exploitation d’énormes ensembles de données avec des milliards d’échantillons (initiative LAION) et le déploiement de nouveaux réseaux de neurones toujours plus profonds tels que les Transformers\, il reste très important de bien comprendre comment fonctionnent ces modèles génératifs.L’idée de cet état de l’art est donc de retracer l’évolution des modèles génératifs depuis l’apparition des GANs en 2014 jusqu’aux récents modèles de diffusion.La présentation (environ 1h15-30) sera suivie d’une courte mise en pratique qui se concentrera sur l’utilisation des GANs et des modèles de diffusion. \nEtat de l’art des approches algorithmiques : Liste des différentes approches présentées:– GANs (Generative Adversarial Networks)– VAEs (Variational Autoencoders)– Normalizing Flows– Score-based models– Diffusion models \nDéroulement de l’atelier : 14h – 15h30 : panorama et évolution des modèles génératifs pour l’image15h30 – 17h00 : mise en pratique !
URL:https://datacraft.paris/event/etat-de-lart-les-modeles-generatifs-appliques-aux-images/
LOCATION:datacraft –\, 3 rue Rossini\, 75009 Paris\, France
END:VEVENT
END:VCALENDAR