Υπό όρους GAN
Τα υπό όρους GAN (cGAN) επεκτείνουν τα συνηθισμένα GAN τροφοδοτώντας επιπλέον πληροφορίες, όπως μια ετικέτα κλάσης ή ένα κείμενο, τόσο στον δημιουργό όσο και στον διαχωριστή.
Επισκόπηση
This lets you control what the network produces instead of getting random outputs.
Βαθιά κατάδυση
Ένα τυπικό GAN μετατρέπει τον τυχαίο θόρυβο σε εικόνα, αλλά δεν σας δίνει κανένα λόγο για το αποτέλεσμα. Τα υπό όρους GAN, που προτάθηκαν από τους Mirza και Osindero το 2014, το διορθώνουν με τη δημιουργία κλιματισμού σε μια ετικέτα y. Και τα δύο δίκτυα λαμβάνουν y: η γεννήτρια συνδυάζει το θόρυβο με την ετικέτα για να παράγει μια αντίστοιχη εικόνα, ενώ ο διαχωριστής κρίνει εάν μια εικόνα είναι και ρεαλιστική και συνεπής με την ετικέτα της. Εκπαιδεύστε το στο MNIST με ετικέτες ψηφίων και μπορείτε να ζητήσετε ειδικά ένα '7'. Το σήμα κλιματισμού μπορεί να είναι ένα διάνυσμα κλάσης one-hot, μια ενσωμάτωση, ένα σύνολο χαρακτηριστικών ή ακόμα και μια άλλη εικόνα. Αυτή η ιδέα της δημιουργίας συστήματος διεύθυνσης είναι το θεμέλιο που καθιστά δυνατά τα συστήματα κειμένου σε εικόνα και εικόνας σε εικόνα.
Τεχνική διορατικότητα
Η είσοδος κλιματισμού συνδέεται συνήθως με το διάνυσμα θορύβου της γεννήτριας και με τα χαρακτηριστικά εισόδου του διαχωριστή, αν και πιο προηγμένα σχέδια την εισάγουν μέσω κανονικοποίησης παρτίδας υπό όρους ή ενός στρώματος προβολής που παίρνει το εσωτερικό προϊόν μεταξύ της ενσωμάτωσης ετικέτας και των χαρακτηριστικών εικόνας. Το κλειδί είναι ότι ο χρήστης που κάνει διάκριση πρέπει να τιμωρήσει τα αταίριαστα ζεύγη, μια εικόνα που φαίνεται αληθινή αλλά δεν ταιριάζει με την ετικέτα της, αναγκάζοντας τη γεννήτρια να τιμήσει τη συνθήκη αντί να την αγνοήσει.
Στρατηγικός αντίκτυπος
Ταχύτητα και κλίμακα
Το Visual AI μπορεί να αυτοματοποιήσει εργασίες επιθεώρησης, ανίχνευσης και επισήμανσης σε κλίμακα.
Δημιουργήστε επιλογές
Οι δημιουργικές ομάδες μπορούν να δημιουργήσουν πρωτότυπες ιδέες γρηγορότερα με λιγότερες μη αυτόματες αναθεωρήσεις.
Ομάδα και ροή εργασίας
Οι λειτουργίες μπορούν να χρησιμοποιούν σήματα εικόνας και βίντεο που προηγουμένως ήταν δύσκολο να επεξεργαστούν.
Το μέλλον των υπό όρους GAN
Η παραγωγή υπό όρους είναι πλέον η προεπιλεγμένη προσδοκία: οι χρήστες θέλουν να προσδιορίσουν τι λαμβάνουν. Η ιδέα της ρύθμισης ετικετών γενικεύτηκε σε ρύθμιση εμπλουτισμένου κειμένου μέσω διασταυρούμενης προσοχής σε μοντέλα διάχυσης όπως το Stable Diffusion και σε χωρική ρύθμιση τύπου ControlNet χρησιμοποιώντας άκρες, βάθος ή πόζα. Τα μελλοντικά συστήματα θα δέχονται όλο και πιο ευέλικτες και πολυτροπικές συνθήκες, αναμειγνύοντας κείμενο, σκίτσα, ήχο και περιορισμούς 3D, βελτιώνοντας παράλληλα τον τρόπο με τον οποίο οι έξοδοι σέβονται πιστά κάθε μέρος της εντολής.
Υλοποίηση σε πραγματικό κόσμο
Δημιουργία συγκεκριμένου χειρόγραφου ψηφίου ή κατηγορίας αντικειμένων κατά παραγγελία και όχι τυχαίας
Σύνθεση προσώπων με επιλεγμένα χαρακτηριστικά όπως ηλικία, χτένισμα, γυαλιά ή έκφραση
Ενεργοποίηση πρώιμων σωληνώσεων κειμένου σε εικόνα όπου μια λεζάντα ρυθμίζει την εικόνα που δημιουργείται
Δημιουργία συνθετικών δεδομένων ισορροπημένων τάξεων για την αύξηση των υποεκπροσωπούμενων κατηγοριών σε σετ εκπαίδευσης
Κίνδυνοι & προστατευτικά κιγκλιδώματα
Τα δικαιώματα εικόνας και η συναίνεση μπορεί να αποτελέσουν νομικούς κινδύνους εάν η προέλευση είναι ασαφής.
Η απόδοση του μοντέλου μπορεί να διαφέρει ανάλογα με το φωτισμό, τα δημογραφικά στοιχεία και τα περιβάλλοντα.
Τα ψευδώς θετικά μπορεί να περάσουν απαρατήρητα εκτός εάν παρακολουθούνται τα όρια εμπιστοσύνης.
Οδικός Χάρτης Εφαρμογής
Καθορίστε κριτήρια αποδοχής για το κόστος ακρίβειας, ανάκλησης και σφάλματος.
Δοκιμή με δεδομένα που ταιριάζουν με πραγματικές συνθήκες παραγωγής.
Προσθέστε ανθρώπινη κριτική για προβλέψεις χαμηλής εμπιστοσύνης ή υψηλού αντίκτυπου.
Παρακολουθήστε τη μετατόπιση του μοντέλου και επικυρώστε εκ νέου μετά από αλλαγές κάμερας ή δεδομένων.
Συνεχίστε την εξερεύνηση
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 Conditional GANs 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
Επόμενος οδηγός
Προοδευτική Ανάπτυξη των GANs
Συχνές ερωτήσεις
What is Conditional GANs?
Τα υπό όρους GAN (cGAN) επεκτείνουν τα συνηθισμένα GAN τροφοδοτώντας επιπλέον πληροφορίες, όπως μια ετικέτα κλάσης ή ένα κείμενο, τόσο στον δημιουργό όσο και στον διαχωριστή. Αυτό σας επιτρέπει να ελέγχετε τι παράγει το δίκτυο αντί να λαμβάνετε τυχαίες εξόδους.
Ποια είναι η κύρια διαφορά μεταξύ ενός υπό όρους GAN και ενός τυπικού GAN;
Τα υπό όρους GAN προσθέτουν ένα σήμα ρύθμισης (όπως μια ετικέτα) τόσο στη γεννήτρια όσο και στη διάταξη διαχωρισμού, ώστε να μπορείτε να καθορίσετε τι δημιουργείται.
Σε ένα cGAN που εκπαιδεύεται σε ψηφία με ετικέτα, τι μπορείτε να κάνετε που δεν μπορεί ένα απλό GAN;
Επειδή η παραγωγή εξαρτάται από την ετικέτα, μπορείτε να ζητήσετε από τη γεννήτρια μια συγκεκριμένη κλάση αντί για μια τυχαία έξοδο.
Τι πρέπει να ελέγξει το cGAN discriminator, πέρα από το αν μια εικόνα φαίνεται αληθινή;
Ο διαχωριστής τιμωρεί τις ρεαλιστικές εικόνες που δεν ταιριάζουν με την κατάστασή τους, αναγκάζοντας τη γεννήτρια να σεβαστεί την ετικέτα.
Ποιος είναι ο συνηθισμένος τρόπος παροχής του σήματος κλιματισμού στη γεννήτρια;
Μια απλή και κοινή προσέγγιση συνδέει την ετικέτα (συχνά ένα ενιαίο ή ενσωματωμένο) στο διάνυσμα θορύβου της γεννήτριας.
Τα GAN υπό όρους έθεσαν τις βάσεις για ποια μεταγενέστερη ικανότητα;
Η δημιουργία διεύθυνσης μέσω μιας συνθήκης είναι ακριβώς αυτό στο οποίο βασίζονται τα συστήματα κειμένου σε εικόνα και εικόνας σε εικόνα.