التاليالدليل التالي
إنشاء صورة إلى فيديو
الذكاء الاصطناعي البصري
دليل الذكاء الاصطناعي المرئي
توليد الصور بالانحدار التلقائي
تقوم نماذج الصور ذات الانحدار التلقائي بإنشاء سلسلة من الرموز المرئية واحدة تلو الأخرى، مع تكييف كل رمز مميز تالٍ على الرموز المميزة السابقة وأي مطالبة نصية.
استمع إلى هذا الدليلرواه الذكاء الاصطناعي · ~2 min
في هذه الصفحةقراءة لمدة دقيقتين
نظرة عامة
ويختلف هذا الإجراء المتسلسل عن فك التشفير الموازي المقنع.
الغوص العميق
PixelRNN/PixelCNN نموذج التوزيعات الشرطية على وحدات البكسل في تسلسل نقطي مرتب. يستخدم عمل DALL·E الأصلي بدلاً من ذلك VAE المنفصل لتمثيل الصور كرموز مميزة ويقوم بتدريب محول الانحدار التلقائي على الرموز المميزة للنص والصور؛ تشير ورقتها البحثية إلى مجموعة بيانات مكونة من 250 مليون صورة ونص وزوج. تقوم هذه النماذج بأخذ عينات من الرموز المميزة بشكل تسلسلي. يستخدم MaskGIT أسلوبًا مختلفًا لفك التشفير التكراري للرمز المقنع للتنبؤ برموز مميزة متعددة بالتوازي.
التنفيذ في العالم الحقيقي
PixelCNN وPixelRNN نموذجان لوحدات البكسل في الصورة بشكل انحداري في دراساتهما المنشورة حول توليد الصور.
تعمل ورقة DALL·E الأصلية على ترميز الصور باستخدام جهاز تشفير تلقائي تبايني منفصل قبل نمذجة التسلسل.
يمنع قناع الانتباه السببي وحدة فك ترميز المحول من استخدام الرموز المميزة للصورة المستقبلية أثناء التنبؤ الانحداري التلقائي.
MaskGIT هي طريقة منفصلة للرموز المميزة المقنعة التي تتنبأ بشكل متكرر بالعديد من الرموز المميزة للصور بالتوازي.
مستقبل توليد الصور ذات الانحدار الذاتي
قارن بين طرق الصور المقنعة ذات الانحدار الذاتي والمتوازية باستخدام جودة الصورة المتطابقة وظروف الحوسبة وأخذ العينات. تقييم المحاذاة السريعة والتحف في المجال المقصود. تؤسس الأوراق المذكورة بنياتها وتجاربها الخاصة، وليست فائزًا عالميًا أو اتجاه نشر مستقبلي.
وضعها موضع التنفيذ
لماذا يهم
- السرعة والحجم. يمكن للذكاء الاصطناعي المرئي أتمتة مهام الفحص والكشف ووضع العلامات على نطاق واسع.
- خيارات البناء. يمكن للفرق الإبداعية إنشاء نماذج أولية للمفاهيم بشكل أسرع مع عدد أقل من المراجعات اليدوية.
- الفريق وسير العمل. يمكن أن تستخدم العمليات إشارات الصور والفيديو التي كان من الصعب معالجتها في السابق.
احترس من
- يمكن أن تصبح حقوق الصور والموافقة مخاطر قانونية إذا كان المصدر غير واضح.
- يمكن أن يختلف أداء النموذج عبر الإضاءة والتركيبة السكانية والبيئات.
- قد تمر الإيجابيات الكاذبة دون أن يلاحظها أحد ما لم تتم مراقبة عتبات الثقة.
الخطوات التالية
- تحديد معايير القبول لتكاليف الدقة والاستدعاء والخطأ.
- اختبار مع البيانات التي تتوافق مع ظروف الإنتاج الحقيقية.
- أضف مراجعة بشرية للتنبؤات منخفضة الثقة أو عالية التأثير.
- تتبع انحراف النموذج وإعادة التحقق من صحته بعد تغيير الكاميرا أو مجموعة البيانات.
استمر في الاستكشاف
رسالة إخبارية مجانية
احصل على الإحاطة اليومية لمنظمة العفو الدولية
ثلاث قصص تم التحقق منها بواسطة الذكاء الاصطناعي كل صباح من أيام الأسبوع، مكتوبة باللغة الإنجليزية البسيطة. مجاني للأبد، بدون إعلانات.
بريد إلكتروني واحد كل يوم من أيام الأسبوع. إلغاء الاشتراك بنقرة واحدة. نحن لا نبيع أو نشارك عنوانك أبدًا.
اختبر نفسك
Take the Autoregressive Image Generation quiz
تعليقات فورية على كل إجابة، وشهادة قابلة للمشاركة مع معرف يمكن التحقق منه بمجرد اجتياز الدورة التدريبية.
دعم تعليم الذكاء الاصطناعي المجاني. AI Understanding هي منظمة 501(c)(3) غير ربحية - لا إعلانات ولا نظام حظر الاشتراك غير المدفوع على الإطلاق. قم بالتبرع
الأسئلة المتداولة
ما هو إنشاء الصور الانحدار التلقائي؟
تقوم نماذج الصور ذات الانحدار التلقائي بإنشاء سلسلة من الرموز المرئية واحدة تلو الأخرى، مع تكييف كل رمز مميز تالٍ على الرموز المميزة السابقة وأي مطالبة نصية. ويختلف هذا الإجراء المتسلسل عن فك التشفير الموازي المقنع.
ماذا يعني "الانحدار الذاتي" في سياق توليد الصور؟
تقوم نماذج الانحدار التلقائي بتحليل الصورة كتسلسل، وتتنبأ بكل رمز مميز أو بكسل بناءً على جميع العناصر التي تم إنشاؤها قبلها.
كيف تمثل نماذج الصور ذات الانحدار الذاتي الحديثة مثل DALL-E 1 الصورة قبل التنبؤ بها؟
تقوم الأنظمة الحديثة بضغط الصورة إلى رموز مميزة منفصلة (غالبًا عبر برنامج تشفير بنمط VQ-VAE)، ثم تتنبأ بتسلسل الرمز المميز باستخدام محول.
ما هي النماذج المبكرة التي أنتجت صورًا بكسلًا خامًا واحدًا في كل مرة؟
كانت PixelRNN وPixelCNN رائدة في نماذج الانحدار الذاتي التي قامت بمسح الصور ضوئيًا والتنبؤ بها بكسلًا تلو الآخر.
ما هي الآلية التي تضمن أن لا يحضر المحول إلا الرموز المميزة السابقة أثناء إنشاء الانحدار الذاتي؟
يمنع الإخفاء السببي كل موضع من الاهتمام بالرموز المستقبلية، مما يفرض التحليل من اليسار إلى اليمين.
ما هو العيب العملي الرئيسي لأخذ عينات الصور الانحدار الذاتي؟
نظرًا لأن كل رمز يعتمد على الرموز السابقة، يجب أن يتم تشغيل الاستدلال رمزًا تلو الآخر، مما يجعل عملية الإنشاء بطيئة نسبيًا.
استمر في التعلم
أدلة ذات صلة
تم اختيار المزيد من الأدلة لهذا الموضوع