Vizuális MI ÚTMUTATÓ

Feltételes GAN-ok

A feltételes GAN-ok (cGAN-ok) kiterjesztik a közönséges GAN-okat azáltal, hogy további információkat, például osztálycímkét vagy szöveget táplálnak be a generátorba és a megkülönböztetőbe.

Hallgassa meg ezt az útmutatótAI-narrált · ~2 min

Ezen az oldalon2 perc olvasás
  1. Áttekintés
  2. Mély merülés
  3. Valós megvalósítás
  4. A feltételes GAN-ok jövője
  5. A gyakorlatba ültetés
  6. Folytassa a felfedezést
  7. Gyakran ismételt kérdések

Áttekintés

Ez lehetővé teszi, hogy szabályozza, hogy mit produkál a hálózat, ahelyett, hogy véletlenszerű kimeneteket kapna.

Mély merülés

A szabványos GAN a véletlenszerű zajt képpé alakítja, de nem ad beleszólást az eredménybe. A Mirza és Osindero által 2014-ben javasolt feltételes GAN-ok ezt a kondicionálás generálásával javítják egy y címkén. Mindkét hálózat y-t kap: a generátor a zajt a címkével kombinálja, hogy megfelelő képet hozzon létre, míg a diszkriminátor megítéli, hogy egy kép valósághű és összhangban van-e a címkéjével. Tanítsd meg az MNIST-en számjegyekkel, és kérhetsz kifejezetten 7-est. A kondicionáló jel lehet egy-hot osztályvektor, beágyazás, attribútumkészlet vagy akár egy másik kép is. Az irányító generációs gondolat az alapot, amely lehetővé teszi a szöveg-kép és kép-kép rendszerek létrehozását.

Valós megvalósítás

Egy adott kézzel írt számjegy vagy objektumosztály igény szerint generálása véletlenszerű helyett

Arcok szintetizálása kiválasztott tulajdonságokkal, például kor, frizura, szemüveg vagy arckifejezés

Korai szöveg-kép csővezetékek működtetése, ahol a képaláírás határozza meg a generált képet

Osztályonként kiegyensúlyozott szintetikus adatok létrehozása az alulreprezentált kategóriák növelése érdekében a képzési készletekben

A feltételes GAN-ok jövője

A feltételes generálás mostantól az alapértelmezett elvárás: a felhasználók meg akarják határozni, mit kapnak. A címkekondicionálási ötlet a diffúziós modellekben, például a Stable Diffusion, keresztfigyelés révén rich text kondicionálássá, illetve éleket, mélységet vagy pózt használó ControlNet-stílusú térbeli kondicionálássá vált. A jövőbeli rendszerek egyre rugalmasabb és multimodális feltételeket fognak elfogadni, keverve a szöveget, a vázlatokat, a hangot és a 3D-s megszorításokat, miközben javítják azt, hogy a kimenetek hűen tiszteletben tartják az utasítás minden részét.

A gyakorlatba ültetés

Miért számít

  • Sebesség és méretarány. A vizuális AI képes automatizálni az ellenőrzési, észlelési és címkézési feladatokat nagy léptékben.
  • Építési lehetőségek. A kreatív csapatok gyorsabban prototípusokat készíthetnek a koncepciókból, kevesebb kézi átdolgozással.
  • Csapat és munkafolyamat. A műveletek olyan kép- és videojeleket használhatnak, amelyeket korábban nehéz volt feldolgozni.

Vigyázz

  • A képhez fűződő jogok és a beleegyezés jogi kockázatot jelenthet, ha a származás nem egyértelmű.
  • A modell teljesítménye a világítástól, a demográfiai adatoktól és a környezettől függően változhat.
  • A hamis pozitívumok észrevétlenek maradhatnak, hacsak nem figyelik a megbízhatósági küszöböket.

Következő lépések

  1. Határozza meg a pontosság, a visszahívás és a hibaköltségek elfogadási kritériumait.
  2. Tesztelje a valós gyártási feltételeknek megfelelő adatokkal.
  3. Adjon hozzá emberi felülvizsgálatot az alacsony megbízhatóságú vagy nagy hatású előrejelzésekhez.
  4. A modell elsodródásának nyomon követése és újbóli érvényesítése a kamera vagy az adatkészlet módosítása után.

Folytassa a felfedezést

Ingyenes hírlevél

Szerezze meg a napi AI összefoglalót

Minden hétköznap reggel három ellenőrzött AI történet, egyszerű angol nyelven. Örökké ingyen, hirdetések nélkül.

Minden hétköznap egy e-mail. Egy kattintással lemondhat. Soha nem értékesítjük vagy osztjuk meg az Ön címét.

Teszteld magad

Take the Conditional GANs quiz

Azonnali visszajelzés minden válaszra, és megosztható tanúsítvány egy ellenőrizhető azonosítóval, miután sikeresen teljesít egy kurzust.

Kezdő kvíz

Támogassa az ingyenes AI oktatást. AI Understanding egy 501(c)(3) nonprofit – nincs hirdetés, nincs fizetőfal, soha. Tegyen adományt

Gyakran ismételt kérdések

Mi az a feltételes GAN?

A feltételes GAN-ok (cGAN-ok) kiterjesztik a közönséges GAN-okat azáltal, hogy további információkat, például osztálycímkét vagy szöveget táplálnak be a generátorba és a megkülönböztetőbe. Ez lehetővé teszi, hogy szabályozza, mit produkál a hálózat, ahelyett, hogy véletlenszerű kimeneteket kapna.

Mi a fő különbség a feltételes GAN és a szabványos GAN között?

A feltételes GAN-ok kondicionáló jelet (például címkét) adnak hozzá mind a generátorhoz, mind a diszkriminátorhoz, így megadhatja, hogy mit generáljon.

A címkézett számjegyekre oktatott cGAN-ban mit lehet tenni, amit egy sima GAN nem?

Mivel a generálás feltétele a címkén, a generátortól kérhet egy adott osztályt a véletlen kimenet helyett.

Mit kell ellenőriznie a cGAN diszkriminátornak azon túl, hogy egy kép valódinak tűnik-e?

A diszkriminátor megbünteti a valósághűnek tűnő, állapotuknak nem megfelelő képeket, és arra kényszeríti a generátort, hogy tiszteletben tartsa a címkét.

Melyik az elterjedt módja a kondicionáló jelnek a generátornak való ellátásának?

Egy egyszerű és általános megközelítés összefűzi a címkét (gyakran egyforró vagy beágyazott) a generátor zajvektorával.

A feltételes GAN-ok melyik későbbi képesség alapjait fektették le?

A feltételen keresztüli generálás irányítása pontosan az, amire a szöveg-kép és kép-kép rendszerek támaszkodnak.