Resumen: Durante la última década, la norma de facto para entrenar modelos de aprendizaje de representación de alto rendimiento se ha basado en gran medida en conjuntos de datos estáticos a gran escala extraídos de Internet. Sin embargo, los recientes avances en la creación de contenidos visuales están desafiando este statu quo al empujar a los investigadores a aprovechar los modelos generativos de imágenes de alto rendimiento como modelos mundiales que trabajan en tándem con los modelos de aprendizaje de representación proporcionándoles datos. En esta charla, abordaré dos cuestiones de investigación: (1) ¿Están optimizados los modelos generativos de imágenes de última generación para funcionar como modelos mundiales?; y (2) ¿Cuál es la forma más eficaz de guiar el modelo generativo para que produzca muestras útiles para el entrenamiento de modelos posteriores?
Ponente: Adriana Romero-Soriano es actualmente investigadora científica en Meta AI (FAIR), profesora adjunta en la Universidad McGill, miembro del núcleo industrial de Mila y beneficiaria de una Cátedra CIFAR de Canadá. El campo de juego de su investigación se ha definido por problemas que requieren inferir observaciones completas a partir de datos sensoriales limitados, construyendo modelos del mundo con el objetivo de mejorar responsablemente las aplicaciones posteriores de impacto. Su investigación más reciente se centra en la mejora de la calidad, la coherencia y la diversidad de representación de los sistemas de creación de contenidos visuales. Adriana se doctoró en la Universidad de Barcelona, donde trabajó con el Dr. Carlo Gatta, y pasó dos años como investigadora posdoctoral en Mila trabajando con el profesor Yoshua Bengio.
Grabación: Modelos generativos como modelos del mundo consultables