জেনারেটিভ অ্যাডভারসারিয়াল নেটওয়ার্ক
জেনারেটিভ অ্যাডভারসারিয়াল নেটওয়ার্ক (GANs) একটি প্রতিযোগিতায় একে অপরের বিরুদ্ধে দুটি নিউরাল নেটওয়ার্ক স্থাপন করে বাস্তবসম্মত নতুন ডেটা তৈরি করে।
ওভারভিউ
They produced the first wave of convincing AI-generated faces and remain a landmark idea in generative AI.
গভীর ডুব
2014 সালে ইয়ান গুডফেলো দ্বারা প্রবর্তিত, একটি GAN একসাথে দুটি নেটওয়ার্ককে প্রশিক্ষণ দেয়। জেনারেটর জাল নমুনা উদ্ভাবন করে, যেমন ছবি, এলোমেলো শব্দ থেকে শুরু করে। বৈষম্যকারী বিচার করে যে প্রতিটি নমুনা আসল কিনা (প্রশিক্ষণের ডেটা থেকে) নাকি জাল (জেনারেটর থেকে)। তারা প্রতিযোগিতা করে: জেনারেটর বৈষম্যকারীকে বোকা বানানোর চেষ্টা করে, যখন বৈষম্যকারী বোকা না হওয়ার চেষ্টা করে। উভয়ের উন্নতি হওয়ার সাথে সাথে নকলগুলি চমকপ্রদভাবে বাস্তবসম্মত হয়ে ওঠে। GANs "দিস পারসন ডজ নট এক্সিস্ট"-এ ফটোরিয়্যালিস্টিক মুখগুলিকে চালিত করেছে, স্টাইলগ্যান উচ্চ-রেজোলিউশনের প্রতিকৃতিগুলির জন্য মান নির্ধারণ করেছে৷ এগুলি প্রশিক্ষণের জন্য কুখ্যাতভাবে চতুর, অস্থিরতা এবং "মোড পতনের প্রবণ" যেখানে জেনারেটর শুধুমাত্র কয়েকটি পুনরাবৃত্তিমূলক আউটপুট তৈরি করে। ডিফিউশন মডেলগুলি অনেকগুলি ইমেজ টাস্কের জন্য তাদের ছাড়িয়ে গেছে, কিন্তু GANগুলি প্রজন্মে দ্রুত এবং প্রভাবশালী থাকে।
প্রযুক্তিগত অন্তর্দৃষ্টি
প্রশিক্ষণ হল বিরোধী লক্ষ্য সহ দুটি নেটওয়ার্কের মধ্যে একটি মিনিম্যাক্স খেলা। বৈষম্যকারীকে প্রকৃত ডেটার জন্য উচ্চ স্কোর এবং উৎপন্ন ডেটার জন্য কম স্কোর আউটপুট করতে প্রশিক্ষিত করা হয়; জেনারেটরকে তার নকলের জন্য বৈষম্যকারী আউটপুট উচ্চ স্কোর করতে প্রশিক্ষিত করা হয়। গুরুত্বপূর্ণভাবে, জেনারেটর কখনই বাস্তব চিত্রগুলি সরাসরি দেখে না, এটি কেবল বৈষম্যকারীর মধ্য দিয়ে ফিরে যাওয়া গ্রেডিয়েন্ট সিগন্যাল থেকে শিখে। তাত্ত্বিক ভারসাম্যে জেনারেটরের আউটপুট বিতরণ বাস্তব ডেটার সাথে মেলে এবং বৈষম্যকারী অনুমান করার চেয়ে ভাল কিছু করতে পারে না।
কৌশলগত প্রভাব
সুস্পষ্ট সিদ্ধান্ত
এটি আপনাকে বিপণনের ভাষা থেকে স্পষ্ট প্রযুক্তিগত দাবিগুলি আলাদা করতে সহায়তা করে।
খরচ ও বাজেট
অর্থ বা সময় ব্যয় করার আগে আপনি আরও ভাল বাস্তবায়ন প্রশ্ন জিজ্ঞাসা করতে পারেন।
টিম এবং ওয়ার্কফ্লো
ভাগ করা বোঝাপড়া সহ দলগুলি আরও ভাল পণ্য, নীতি এবং শেখার সিদ্ধান্ত নেয়।
জেনারেটিভ অ্যাডভারসারিয়াল নেটওয়ার্কের ভবিষ্যত
ডিফিউশন মডেলগুলি এখন উচ্চ-মানের ইমেজ জেনারেশনে আধিপত্য বিস্তার করে, তাই বিশুদ্ধ GAN অনেক সৃজনশীল কাজের জন্য তাদের মুকুট হারিয়েছে। তাদের প্রান্ত হল গতি: একটি GAN একটি একক ফরোয়ার্ড পাসে একটি চিত্র তৈরি করে, যখন বিস্তারের জন্য অনেকগুলি পদক্ষেপের প্রয়োজন হয়, তাই GANগুলি রিয়েল-টাইম ব্যবহার, সুপার-রেজোলিউশন এবং অন-ডিভাইস জেনারেশনে টিকে থাকে। হাইব্রিড সিস্টেম ক্রমবর্ধমানভাবে অন্যান্য মডেল থেকে আউটপুট তীক্ষ্ণ করতে GAN-স্টাইলের প্রতিকূল ক্ষতি ব্যবহার করে। শিরোনাম জেনারেটরের পরিবর্তে GAN একটি দ্রুত, লাইটওয়েট উপাদান হিসাবে বেঁচে থাকার প্রত্যাশা করুন।
বাস্তব-বিশ্ব বাস্তবায়ন
ThisPersonDoesNotExist.com এর মতো অস্তিত্বহীন মানুষের ফটোরিয়ালিস্টিক মুখ তৈরি করা
কম-রেজোলিউশনের ছবি এবং পুরানো ভিডিও (সুপার-রেজোলিউশন) আপস্কেলিং এবং শার্পিং
ক্ষেত্রগুলির জন্য সিন্থেটিক প্রশিক্ষণ ডেটা তৈরি করা যেখানে বাস্তব ডেটা দুষ্প্রাপ্য বা ব্যক্তিগত
স্টাইল ট্রান্সফার এবং ফটো এডিটিং, যেমন স্কেচকে বাস্তবসম্মত ছবিতে পরিণত করা বা মুখের বয়স বাড়ানো
ঝুঁকি এবং প্রহরী
বিভিন্ন দল একই শব্দটি ভিন্নভাবে ব্যবহার করতে পারে, তাই সুযোগটি আগে থেকেই নির্ধারণ করুন।
বেঞ্চমার্কগুলি শক্তিশালী দেখাতে পারে যখন বাস্তব-বিশ্বের কর্মক্ষমতা অসম হয়।
ডেটা গুণমান এবং মূল্যায়ন পরিকল্পনা উপেক্ষা করা প্রায়ই ভঙ্গুর ফলাফল তৈরি করে।
বাস্তবায়ন রোডম্যাপ
আপনার প্রয়োজনীয় ফলাফলের একটি সরল-ভাষা সংজ্ঞা দিয়ে শুরু করুন।
পরীক্ষার আগে একটি সাফল্যের মেট্রিক এবং একটি ব্যর্থতার শর্ত বাছুন।
একটি পালিশ ডেমো সেট নয়, প্রতিনিধি ডেটা সহ একটি ছোট পাইলট চালান৷
নথি যেখানে জেনারেটিভ অ্যাডভারসারিয়াল নেটওয়ার্ক সাহায্য করে এবং যেখানে সহজ পদ্ধতিগুলি ভাল।
অন্বেষণ চালিয়ে যান
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Generative Adversarial Networks quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
পরবর্তী গাইড
গ্রাফ নিউরাল নেটওয়ার্ক
প্রায়শই জিজ্ঞাসিত প্রশ্নাবলী
What is Generative Adversarial Networks?
জেনারেটিভ অ্যাডভারসারিয়াল নেটওয়ার্ক (GANs) একটি প্রতিযোগিতায় একে অপরের বিরুদ্ধে দুটি নিউরাল নেটওয়ার্ক স্থাপন করে বাস্তবসম্মত নতুন ডেটা তৈরি করে। তারা AI-উত্পন্ন মুখগুলিকে বিশ্বাস করার প্রথম তরঙ্গ তৈরি করেছিল এবং জেনারেটিভ AI-তে একটি যুগান্তকারী ধারণা হিসাবে রয়ে গেছে।
একটি GAN-এ দুটি প্রতিযোগী নেটওয়ার্ক কী?
একটি GAN একটি জেনারেটর যুক্ত করে, যা জাল নমুনা তৈরি করে, একটি বৈষম্যকারীর সাথে, যা জেনারেটরের নকল থেকে আসল ডেটা বলার চেষ্টা করে।
একটি নতুন নমুনা তৈরি করার সময় জেনারেটর কি থেকে শুরু হয়?
জেনারেটর এলোমেলো শব্দের একটি ভেক্টরকে সিন্থেটিক নমুনায় রূপান্তরিত করে, সেই শব্দটিকে বাস্তবসম্মত আউটপুটে আকার দিতে শেখে।
প্রশিক্ষণের সময় জেনারেটর কীভাবে উন্নত হয়?
জেনারেটর সরাসরি বাস্তব তথ্য দেখে না; এটি প্রতিক্রিয়া (গ্রেডিয়েন্ট) ব্যবহার করে উন্নতি করে যা বৈষম্যকারী তার আউটপুটগুলি কেমন নকল দেখায় সে সম্পর্কে সরবরাহ করে।
একটি GAN এ 'মোড পতন' কি?
মোড পতন ঘটে যখন জেনারেটর এমন কিছু আউটপুট খুঁজে পায় যা বৈষম্যকারীকে বোকা বানায় এবং বৈচিত্র্য হারিয়ে সেগুলি উত্পাদন করতে থাকে।
GAN কে প্রবর্তন করেন এবং কত সালে?
ইয়ান গুডফেলো এবং সহকর্মীরা 2014 সালে GAN প্রবর্তন করে, প্রতিপক্ষের জেনারেটিভ মডেলগুলিতে গবেষণার তরঙ্গ শুরু করে।