تولید تصویر چهره با استفاده از شبکه‌های مولد مقابله‌ای (GANs)

• مدت ورکشاپ: یک جلسه آنلاین | مدت: 4 ساعت
• مخاطب دوره: افراد آشنا و علاقمند به اجرا و پیاده سازی مسائل متنوع دیتاساینس و هوش مصنوعی
• مباحث پیش نیاز: آشنایی با برنامه نویسی پایتون، الگوریتم ها و کتابخانه های یادگیری عمیق
• مدرس دوره: وحید محمدزاده
• دسترسی دائمی به فایل رکورد شده جلسات و مستندات ورکشاپ
• زمان اجرا: جمعه 10 شهریور ساعت 09 الی 14 (شامل یک ساعت زمان اجرای دانشجویان در حین کارگاه)

ورکشاپ “تولید تصویر با استفاده از شبکه‌های مولد مقابله‌ای (GANs)” یک دستور کار عملی و جذاب برای تولید تصویر چهره انسان با استفاده از تکنیک‌های Generative AI است. این ورکشاپ در 4 ساعت برگزار می‌شود و به شرکت‌کنندگان امکان محاسبات عملی و آموزش مستقیم این روش‌ها را می‌دهد. به این منظور از دیتاستی شامل چهره چندین سلبریتی و بازیگر برای آموزش و ساخت مدل استفاده می شود.

در ابتدا، با شبکه‌های مولد مقابله‌ای (GANs) آشنا می‌شوید. این شبکه‌ها مؤلفه‌هایی مهم در تولید تصاویر و اطلاعات مصنوعی هستند که از دو بخش اصلی مولد و تمییزدهنده تشکیل شده‌اند. شما نحوه کارکرد این شبکه‌ها در تولید تصاویر را فراخواهید گرفت.

سپس، با آموزش مولد تصاویر با GANs آشنا می‌شوید. شما توضیحاتی درباره فرایند آموزش مولد برای تولید تصاویر خواهید شنید و نحوه بهبود کارکرد آن با استفاده از روش‌های بهینه‌سازی را فرا خواهید گرفت.

در مرحله بعد، نحوه آموزش تمییزدهنده برای ارزیابی تصاویر تولیدی توسط GANs را خواهید آموخت. شما با معیارهای ارزیابی کیفیت تصاویر تولیدی آشنا می‌شوید و چگونگی استفاده از تمییزدهنده برای بهبود کارایی GANs را فرا خواهید گرفت.

در پایان، شما مثال‌های عملی از کاربردهای تولید تصاویر با استفاده از GANs خواهید دید. از جمله تولید تصاویر هنری، تصاویر واقعیت مجازی و تصاویر شخصیت‌ها. این مثال‌ها به شما ایده‌های جدیدی در زمینه تولید تصاویر با Generative AI می‌دهد و امکان اعمال خلاقیت در این زمینه را فراهم می‌کند.

سرفصل‌های ورکشاپ:

• معرفی شبکه‌های مولد مقابله‌ای (GANs):
  • آشنایی با مفهوم و کارکرد GANs در تولید تصاویر و اطلاعات مصنوعی.
  • معرفی دو مؤلفه اصلی GANs: مولد و تمییزدهنده.
• آموزش مولد تصاویر با GANs:
  • توضیح فرایند آموزش شبکه‌های مولد برای تولید تصاویر و توضیح نحوه کارکرد آنها.
  • معرفی روش‌های بهینه‌سازی برای آموزش مولد.
• آموزش تمییزدهنده برای ارزیابی تصاویر تولیدی:
  • معرفی روش‌ها و معیارهای ارزیابی کیفیت تصاویر تولیدی توسط GANs.
  • نحوه استفاده از تمییزدهنده برای ارزیابی تصاویر و ارتقاء عملکرد GANs.
• کاربردهای عملی Generative AI در تولید تصاویر:
  • آشنایی با مثال‌های کاربردی از تولید تصاویر با استفاده از شبکه‌های مولد مقابله‌ای.
  • تولید تصاویر هنری، تصاویر واقعیت مجازی، و تصاویر شخصیت‌ها با استفاده از GANs.