U-Net

Définition

Le U-Net est une architecture de reseau de neurones convolutif en forme de U, initialement concue en 2015 pour la segmentation d'images medicales, puis largement reprise comme composant central des modeles de diffusion generatifs. Elle se compose d'un chemin de contraction, ou encodeur, qui reduit progressivement la resolution spatiale tout en augmentant le nombre de canaux pour capturer des caracteristiques semantiques de haut niveau, et d'un chemin d'expansion, ou decodeur, qui reconstruit une sortie a la resolution d'origine. La particularite du U-Net reside dans ses connexions de saut, ou skip connections, qui relient directement les couches de l'encodeur aux couches symetriques du decodeur : elles permettent de preserver les details spatiaux fins qui seraient sinon perdus lors de la compression, un atout decisif pour la segmentation precise de contours, par exemple en imagerie medicale pour delimiter une tumeur. Dans les modeles de diffusion latente comme Stable Diffusion, le U-Net joue le role de reseau de debruitage a chaque etape du processus inverse, souvent conditionne par un embedding de texte via des mecanismes d'attention croises. Sa robustesse, sa relative sobriete en parametres compares aux transformeurs purs, et sa capacite a traiter des entrees de tailles variables en ont fait un choix par defaut durable dans plusieurs domaines de la vision par ordinateur generative et discriminative.