人工智能和机器学习已经成为当今科技乃至主流新闻领域的热门话题，但大多数人认为这些电脑在幕后所做的工作是理所当然的。他们惊人的成就需要以计算机所能达到的速度浏览成千上万的相关数据。反过来，这意味着有成千上万的数据供人工智能学习，但情况可能并不总是如此。
NVIDIA的研究部门现在正在吹嘘其生成的对抗性网络(GAN)中的一个里程碑，它允许人工智能学习，即使它的数据集要小得多。
虽然它的名字是“对抗性的”，但GaN AI模型实际上使用了两个合作网络。例如，生成器创建图像，而判别器将其与参考图像进行比较，以评估它们是否与样式、对象或内容匹配。为了达到这个目的，通常会给鉴别器提供50,000到100,000幅不等的训练图像，因为任何较少的图像都会产生一个判别器，它简单地记忆引用，并且无法识别合成的图像。
这种现象，称为过度拟合，可以部分地通过所谓的数据增强来解决，这种现象只需随机旋转、调整大小、裁剪或翻转图像来扩大引用的数量。然而，这创造了一个生成器，它学习模仿扭曲的图像，而不是学习如何正确地合成风格和主题。
NVIDIA研究的自适应数据增强或者ADA试图通过将数据扩展到不同的数据点来解决这两个问题。研究人员声称，这使得他们能够创造出一种新的StyleGAN 2模型，它可以通过一个比传统GaN要求小10到20倍的训练数据集来学习艺术风格。
NVIDIA Research的新人工智能的应用不仅仅是为了过滤器而综合艺术风格，Adobe很可能对此感兴趣，以增强Photoshop已经基于第一代StyleGAN的神经过滤器。
本文发布者：最黑网，转载请注明出处：https://www.zuiheikeji.org/1824.html
微信扫一扫 
支付宝扫一扫 