Redes geradoras adversárias : teoria e aplicação à modelagem geradora de imagens faciais

Abstract

A tendência para o volume, velocidade e variedade de dados disponíveis no mundo para análise é só crescer. Portanto, faz-se cada vez mais importante o desenvolvimento de algoritmos e modelos que permitam analisar essa quantia significativa de dados inexplorada. Os mesmo são gerados, usualmente, a partir de fenômenos físicos, denominados processos geradores. Uma das formas para se obter maior compreensão acerca de um tipo de dado é, exatamente, por meio do estudo de seu processo gerador. O área que estuda e modela esses fenômenos é denominada modelagem geradora. Neste trabalho é apresentado um desenvolvimento teórico da classe de modelos geradores chamada redes geradoras adversárias (GANs). Esse desenvolvimento engloba desde a construção do modelo até a formulação de um algoritmo para seu ajuste, sendo apresentado de forma natural e progressiva, baseando-se em conceitos de teoria da informação e probabilidade. Ainda, a fim de verificar a aplicabilidade da teoria introduzida, implementou-se um modelo baseado em GANs para a modelagem geradora de imagens faciais. O mesmo foi ajustado de forma a representar a distribuição das imagens do conjunto de dados CelebA, o qual consiste de aproximadamente 200 mil imagens de rostos de pessoas. O modelo implementado obteve excelentes resultados, gerando imagens realistas de rostos, bastante parecidas com as encontradas no conjunto de dados CelebA. A qualidade das mesmas foi avaliada subjetivamente a partir da nitidez, detalhamento e organização das diversas estruturas que as compõe. Finalmente, foram exploradas e discutidas algumas propriedades importantes desse modelo, tornando a análise do mesmo mais completa.