Vektör Quantized Generative Adversarial Network (VQGAN), yüksek kaliteli görüntüler oluşturmak için derin öğrenmedeki ilerlemeleri kullanan bir tür yapay zeka (AI) modelidir. VQGAN, Google Brain'deki araştırmacılar tarafından Üretken Rekabetçi Ağların (GAN'ler) bir uzantısı olarak geliştirildi ve iki farklı derin öğrenme algoritmasının birleşimine dayanıyor: Değişken Otomatik Kodlayıcılar (VAE'ler) ve Vektör Nicelemesi (VQ).
VAE'ler, orijinal görüntüleri daha küçük bir gösterime kodlamak için kullanılır ve bu daha sonra VQ algoritması kullanılarak sıkıştırılır. VQ modelleri, kaliteden ödün vermeden görüntülerin boyutunu küçültmenin bir yolu olarak önerilmiştir ve özellikle görüntü işleme görevleri için kullanışlıdır. VQGAN, üretken mimarisi daha gerçekçi görüntüler üretebilen bir GAN tasarımında hem VAE'lerin hem de VQ'ların güçlü yönlerini birleştirir.
VQGAN, GAN mimarisinin çeşitli temel bileşenlerinden yararlanır. Jeneratör modelinde, oluşturulan görüntülerin kalitesini artırmak için bir ayırıcı modelin geri bildirimini ve veri setlerinden gelen geri bildirimi kullandığı çekişmeli eğitim gibi. VQGAN modeli aynı zamanda verileri birden çok ölçekte görüntüleyebilir ve öğrenilen temsillerden yararlanarak, küresel kalıpları tanımlarken çözünürlük veya ince ayrıntılar elde edebilir.
VQGAN'ın pratik uygulamaları, görüntü manipülasyonu ve sentezinden tıbbi görüntüleme, video düzenleme ve endüstriyel tasarıma kadar uzanır. Yüksek kaliteli, gerçekçi görüntüler oluşturma yeteneği nedeniyle VQGAN, en güçlü GAN mimarilerinden biri olarak ün kazanmıştır ve yapay zeka alanındaki araştırmacılar tarafından sıklıkla kullanılmaktadır.
