
<html><head><meta http-equiv="Content-Type" content="text/html; charset=UTF-8" /></head><body style='font-size: 10pt; font-family: Verdana,Geneva,sans-serif'>

<p><span><strong>——————————————————————————</strong></span></p>

<p><span><strong>Seminario de Matemática - 10 años del DMEL</strong></span></p>

<p><span><strong>——————————————————————————</strong></span></p>

<p><br /></p>

<p><span><strong>Lunes 14/9 a las 15:30 hs</strong></span></p>

<p><span><a href="https://salavirtual-udelar.zoom.us/j/97364148109?pwd=ODdmazB0d3NKa0s2dTd5U3d4M3RUdz09">https://salavirtual-udelar.zoom.us/j/97364148109?pwd=ODdmazB0d3NKa0s2dTd5U3d4M3RUdz09</a></span></p>

<p><span>ID de reunión: 973 6414 8109</span></p>

<p><span>Código de acceso: pN7wKaZ.Vg</span></p>

<p><br /></p>

<p><span><strong>Expositor: Mario González (DMEL)</strong></span></p>

<p><span><strong>Título: Regularizando problemas inversos imágenes con modelos generativos.</strong></span></p>

<p><span><strong>Resumen:</strong> </span><span>En problemas inversos mal condicionados, un buen prior estadístico sobre el espacio solución es crucial para obtener una buena restauración. Recientemente han surgido varios modelos generativos que permiten aproximar distribuciones en espacios de muy alta dimensión, tales como GAN, VAE y Normalizing Flows, mediante variables latentes Gaussianas. En esta charla presentaremos un algoritmo de minimización alternada (con algunas garantías de convergencia) que permite estimar el Máximo a Posteriori (MAP) conjunto entre solución y variable latente.</span></p>

<p><br /></p>

<p><span><strong>——————————————————————————</strong></span></p>

<p><span><a href="http://dmel.multisitio.interior.edu.uy/seminario-del-dmel/"><strong>http://dmel.multisitio.interior.edu.uy/seminario-del-dmel/</strong><span></span></a></span></p>

<p><span><strong>——————————————————————————</strong></span></p>

</body></html>