Orateur
Description
Le Flow Matching est un cadre théorique récent permettant d'apprendre des transformations continues entre mesures de probabilité, très utilisé en apprentissage automatique, notamment pour la génération d'images.
L'idée centrale consiste à construire un champ de vélocité dépendant du temps dont le flot transporte une distribution source vers une distribution cible. Contrairement à d'autres méthodes utilisés en génération d’image, l'apprentissage du champ de vitesse se réduit à un simple problème de régression sur des paires d’échantillons, ce qui rend le Flow Matching particulièrement simple à mettre en oeuvre. Cet exposé proposera une introduction au sujet. Nous clarifierons également les liens étroits entre Flow Matching et le Transport Optimal. L’exposé sera illustré de plusieurs exemples en faible dimension, et de résultats en génération d'images.