ΕπόμενοΕπόμενος οδηγός
Προοδευτική Ανάπτυξη των GANs
Οπτική τεχνητή νοημοσύνη
ΟΔΗΓΟΣ οπτικού AI
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.
Ακούστε αυτόν τον οδηγόαφήγηση με AI · ~2 min
Σε αυτήν τη σελίδα2 λεπτά ανάγνωση
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.
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
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.
Κάνοντάς το στην πράξη
Γιατί έχει σημασία
- 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.
Προσέξτε
- 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.
Επόμενα βήματα
- 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
Δωρεάν ενημερωτικό δελτίο
Λάβετε την καθημερινή ενημέρωση AI
Τρία επαληθευμένα νέα AI κάθε πρωί της εβδομάδας, γραμμένα σε απλή αγγλική. Δωρεάν για πάντα, χωρίς διαφημίσεις.
Ένα email κάθε εργάσιμη ημέρα. Κατάργηση συνδρομής με ένα κλικ. Δεν πουλάμε ή μοιραζόμαστε ποτέ τη διεύθυνσή σας.
Δοκιμάστε τον εαυτό σας
Take the Conditional GANs quiz
Άμεση ανάδραση σε κάθε απάντηση, και πιστοποιητικό με επαληθεύσιμο ID μόλις περάσετε το μάθημα.
Υποστηρίξτε τη δωρεάν εκπαίδευση AI. AI Understanding είναι μια μη κερδοσκοπική οργάνωση 501(c)(3) — χωρίς διαφημίσεις, χωρίς τοίχο πληρωμής, ποτέ. Κάντε μια δωρεά
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.
Συνέχισε να μαθαίνεις
Σχετικοί οδηγοί
Επιλέχθηκαν περισσότεροι οδηγοί για αυτό το θέμα