„Generative KI für Audio und Bilder: Modelle und Anwendungen“ bietet einen detaillierten Einblick in die Einsatzmöglichkeiten moderner generativer Modelle wie Variational Autoencoder (VAEs), Generative Adversarial Networks (GANs), Transformers und Diffusionsmodelle zur Erstellung, Bearbeitung und Optimierung von Audio-, Bild- und Videoinhalten.

Die Teilnehmenden untersuchen die Architekturen, Trainingsprozesse und Anwendungsfälle dieser Modelle in verschiedenen Modalitäten und erwerben durch praktische Übungen sowohl konzeptionelles Verständnis als auch praktische Einblicke. Der Kurs beleuchtet zudem die ethischen und gesellschaftlichen Implikationen generativer KI, darunter Verzerrungen, Transparenz, geistiges Eigentum und die Herausforderungen durch Deepfake-Technologien. Durch die Behandlung sowohl der grundlegenden Theorie als auch modernster Ansätze und Anwendungen bereitet dieser Kurs die Lernenden darauf vor, generative KI kreativ und verantwortungsbewusst für die Audio- und Bildmodalitäten anzuwenden und weiterzuentwickeln. Am Ende dieses Kurses werden die Teilnehmer in der Lage sein: Kernkonzepte, Herausforderungen und die Geschichte von KI-generiertem Audio zu skizzieren. Wichtige grundlegende Modelle zur Audiogenerierung zu analysieren, wie beispielsweise variationale und vektorquantisierte Autoencoder (VAE und VQ-VAE) zu untersuchen, wie diese Modelle mit den neuesten GenAI-Technologien kombiniert werden, um hybride, hochmoderne, auf Transformer und Diffusion basierende Audiosynthesesysteme zu bilden, die Architektur und Funktionsweise von Generative Adversarial Networks (GANs) sowie deren Varianten zu untersuchen, Implementieren und trainieren Sie GAN-Modelle zur Erstellung und Verbesserung visueller Inhalte, erkunden Sie modernste Techniken wie Diffusionsmodelle und Transformer für die Bild- und Videoerstellung. Diskutieren Sie die ethischen Überlegungen im Zusammenhang mit generativer KI für Audio und Bilder.