विज़ुअल एआई गाइड
GANs का प्रगतिशील विकास
प्रगतिशील विकास छोटे रिज़ॉल्यूशन से शुरू करके और उच्च-रिज़ॉल्यूशन छवियों तक पहुंचने के लिए धीरे-धीरे परतें जोड़कर GAN को प्रशिक्षित करता है।
इस गाइड को सुनेंएआई-नैरेटेड · ~2 min
इस पृष्ठ पर2 मिनट लाल
सिंहावलोकन
यह मायने रखता है क्योंकि इसने पहली बार स्थिर, मेगापिक्सेल-गुणवत्ता वाले GAN संश्लेषण को व्यावहारिक बनाया है।
गहरा गोता
कर्रस एट अल द्वारा प्रस्तुत किया गया। (NVIDIA) 2017 में, प्रोग्रेसिव ग्रोइंग (ProGAN) सीधे उच्च रिज़ॉल्यूशन पर GAN के प्रशिक्षण की अस्थिरता और धीमी गति से निपटता है। जनरेटर और विवेचक दोनों ही 4x4 पिक्सेल पर छोटे से शुरू करते हैं, केवल बड़े पैमाने की संरचना सीखते हैं। नई परतें जो रिज़ॉल्यूशन को दोगुना करती हैं (8x8, 16x16, 1024x1024 तक) प्रशिक्षण के दौरान दोनों नेटवर्क में सममित रूप से जोड़ी जाती हैं। महत्वपूर्ण रूप से, प्रत्येक नई परत को एक रैखिक अल्फा मिश्रण का उपयोग करके आसानी से फीका कर दिया जाता है ताकि नेटवर्क अचानक वास्तुशिल्प परिवर्तन से चौंक न जाए। बारीक विवरणों से पहले मोटे फीचर्स सीखने से, प्रशिक्षण अधिक स्थिर होता है, तेजी से परिवर्तित होता है, और उच्च-निष्ठा वाले चेहरे पैदा करता है जिसने सेलेब-एचक्यू परिणामों को प्रसिद्ध बना दिया है। पेपर ने प्रशिक्षण को और अधिक स्थिर करने के लिए मिनीबैच मानक विचलन और समान सीखने की दर भी पेश की।
वास्तविक विश्व कार्यान्वयन
Training on CelebA-HQ to generate synthetic high-resolution face samples.
Studying GAN synthesis on LSUN scene categories.
Understanding the staged architecture that the original StyleGAN extended.
Comparing coarse-to-fine schedules with later fixed-architecture GAN training.
GANs के प्रगतिशील विकास का भविष्य
प्रगतिशील विकास वह आधार था जिस पर स्टाइलगैन बनाया गया था, लेकिन स्टाइलगैन2 ने बाद में दिखाया कि स्किप कनेक्शन और अवशिष्ट ब्लॉकों के साथ एक निश्चित वास्तुकला निर्धारित कार्यक्रम के बिना इसकी गुणवत्ता से मेल खा सकती है, इसलिए स्पष्ट विकास पक्ष से बाहर हो गया। गहरी विरासत कायम है: मोटे से बारीक पीढ़ी अब बहु-स्तरीय प्रसार, कैस्केड सुपर-रिज़ॉल्यूशन पाइपलाइनों और अव्यक्त-स्पेस अपस्केलर्स में दिखाई देती है। प्रगतिशील विकास को समझना इस बात को समझने के लिए मूल्यवान है कि क्यों पदानुक्रमित, निम्न-से-उच्च-आवृत्ति सीखना उत्पादक प्रशिक्षण को स्थिर करता है।
इसे व्यवहार में लाना
यह क्यों मायने रखता है?
- गति और पैमाना. विज़ुअल एआई बड़े पैमाने पर निरीक्षण, पता लगाने और टैगिंग कार्यों को स्वचालित कर सकता है।
- विकल्प बनाएं. रचनात्मक टीमें कम मैन्युअल संशोधनों के साथ तेजी से अवधारणाओं का प्रोटोटाइप बना सकती हैं।
- टीम और वर्कफ़्लो. संचालन छवि और वीडियो संकेतों का उपयोग कर सकते हैं जिन्हें संसाधित करना पहले कठिन था।
का ध्यान रखें
- यदि उत्पत्ति अस्पष्ट है तो छवि अधिकार और सहमति कानूनी जोखिम बन सकते हैं।
- मॉडल का प्रदर्शन प्रकाश व्यवस्था, जनसांख्यिकी और वातावरण के अनुसार भिन्न हो सकता है।
- जब तक आत्मविश्वास की सीमा की निगरानी नहीं की जाती, तब तक झूठी सकारात्मक बातों पर ध्यान नहीं दिया जा सकता।
अगले चरण
- सटीकता, रिकॉल और त्रुटि लागत के लिए स्वीकृति मानदंड परिभाषित करें।
- वास्तविक उत्पादन स्थितियों से मेल खाने वाले डेटा के साथ परीक्षण करें।
- कम-आत्मविश्वास या उच्च-प्रभाव वाली भविष्यवाणियों के लिए मानवीय समीक्षा जोड़ें।
- कैमरा या डेटासेट में बदलाव के बाद मॉडल बहाव को ट्रैक करें और पुनः सत्यापित करें।
अन्वेषण करते रहें
मुफ़्त न्यूज़लेटर
दैनिक एआई ब्रीफिंग प्राप्त करें
हर कार्यदिवस की सुबह तीन सत्यापित एआई कहानियाँ, सादे अंग्रेजी में लिखी गईं। हमेशा के लिए मुफ़्त, कोई विज्ञापन नहीं।
प्रत्येक सप्ताह के दिन एक ईमेल. एक क्लिक में सदस्यता समाप्त करें. हम आपका पता कभी नहीं बेचते या साझा नहीं करते।
स्वयं की जांच करो
Take the Progressive Growing of GANs quiz
प्रत्येक उत्तर पर त्वरित प्रतिक्रिया, और पाठ्यक्रम पास करने के बाद एक सत्यापन योग्य आईडी के साथ एक साझा करने योग्य प्रमाणपत्र।
निःशुल्क एआई शिक्षा का समर्थन करें। AI Understanding एक 501(c)(3) गैर-लाभकारी संस्था है - कोई विज्ञापन नहीं, कोई पेवॉल नहीं। दान करें
अक्सर पूछे जाने वाले प्रश्नों
GANs की प्रगतिशील वृद्धि क्या है?
प्रगतिशील विकास छोटे रिज़ॉल्यूशन से शुरू करके और उच्च-रिज़ॉल्यूशन छवियों तक पहुंचने के लिए धीरे-धीरे परतें जोड़कर GAN को प्रशिक्षित करता है। यह मायने रखता है क्योंकि इसने पहली बार स्थिर, मेगापिक्सेल-गुणवत्ता वाले GAN संश्लेषण को व्यावहारिक बनाया है।
उत्तरोत्तर विकसित GAN प्रशिक्षण कैसे प्रारंभ करता है?
प्रशिक्षण 4x4 से शुरू होता है, जहां नेटवर्क उच्च-रिज़ॉल्यूशन परतें जोड़ने से पहले मोटे ढांचे को सीखते हैं।
धीरे-धीरे बढ़ते संकल्प का मुख्य लाभ क्या है?
शुरुआत से पूर्ण रिज़ॉल्यूशन पर हमला करने की तुलना में मोटे फीचर्स सीखना पहले प्रशिक्षण को स्थिर करता है और अभिसरण की गति को बढ़ाता है।
जब एक नई उच्च-रिज़ॉल्यूशन परत जोड़ी जाती है, तो इसे कैसे पेश किया जाता है?
एक लीनियर फ़ेड-इन नई परत के आउटपुट को अपसैंपल्ड कम-रिज़ॉल्यूशन आउटपुट के साथ मिश्रित करता है ताकि नेटवर्क धीरे-धीरे अनुकूल हो जाए।
जनरेटर और विवेचक दोनों में परतें क्यों जोड़ी जाती हैं?
दोनों नेटवर्क एक साथ बढ़ते हैं इसलिए विवेचक जनरेटर के वर्तमान रिज़ॉल्यूशन पर छवियों का मूल्यांकन करना जारी रख सकता है।
ProGAN में प्रस्तुत मिनीबैच मानक विचलन परत का उद्देश्य क्या है?
यह बैच भिन्नता के बारे में एक आँकड़ा जोड़ता है, जो जनरेटर को ढहने के बजाय विविध आउटपुट उत्पन्न करने के लिए प्रोत्साहित करता है।
सीखते रहो
संबंधित मार्गदर्शिकाएँ
इस विषय के लिए अधिक मार्गदर्शिकाएँ चुनी गईं