A propos
Lucian
Depuis 2015, je me consacre à la recherche dans le domaine de l'art génératif, une passion qui m'a mené à explorer les profondeurs de l'intelligence artificielle et de la créativité numérique.
Cette page reflète mon parcours et les moments clés qui ont façonné ma quête.
Mon aventure a commencé avec l'expérimentation de DeepDream de Google - une révélation qui a ouvert mon esprit aux possibilités infinies de l'IA.
À travers les années, j'ai exploré diverses bibliothèques Python, me plongeant dans les mécanismes du deep learning, machine learning et du NLP. Chaque étape de ce parcours a contribué à façonner ma compréhension et ma maîtrise de l'art génératif.
La timeline ci-dessous, réduite en taille détaille les technologies et les connaissances que j'ai acquises au fil du temps.
Parcours
Google DeepDream
Un outil de visualisation novateur qui crée des images psychédéliques en utilisant les couches internes des réseaux de neurones.
Style Transfer
Une technique révolutionnaire en IA qui réinvente les images dans le style d'autres œuvres d'art. Le transfert de style est devenu une pierre angulaire dans le domaine de l'art génératif, permettant aux artistes de mélanger et de transformer les images de manière novatrice.
Pix2Pix
Un modèle pour traduire des images d'un domaine à un autre (par exemple, du noir et blanc à la couleur) en utilisant des données d'images appariées.
CycleGAN
Une percée permettant la traduction d'images sans exemples appariés, offrant plus de flexibilité dans la génération d'images.
NVIDIA StyleGAN
Connu pour générer des visages humains très réalistes, StyleGAN offre un contrôle précis sur le processus de génération.
BigGAN
BigGAN améliore la qualité et la résolution de la génération d'images, créant des images plus réalistes et détaillées.
VQ-VAE-2
Un autoencodeur qui utilise la quantification vectorielle pour générer des images de haute qualité, améliorant ainsi son prédécesseur VQ-VAE.
Taming Transformers
Démontre la capacité des transformateurs pour la synthèse d'images haute résolution, influente dans le développement de l'art génératif.
CLIP by OpenAI
CLIP comprend les images dans le contexte du langage naturel, utilisé conjointement avec des modèles génératifs pour créer des images précises et contextuellement pertinentes.
Latent Diffusion (CompVis)
Un modèle contribuant à la stabilisation de la génération d'images, fournissant un processus génératif plus contrôlé et de haute qualité.
Stable Diffusion
Un tournant dans les modèles génératifs, permettant une génération d'images efficace et évolutive, menant au développement de divers modèles y compris ma propre adaptation.
Création du modèle dreamer
Basé sur les principes de la Diffusion Stable, mon modèle intègre des modifications et améliorations uniques, adaptées à ma recherche et exploration artistique.