Nchịkọta
Wasserstein GAN (WGAN) bụ nhazigharị nke ebumnuche ọzụzụ GAN nke na-eji anya Wasserstein kama mfu min-max mbụ. Ọ na-eme ka ọzụzụ GAN a ma ama na-akwụsighị ike karịa nke a pụrụ ịdabere na ya ma na-enye uru mfu nke dabara na ogo onyonyo.
Wasserstein GAN bụ nke kọmpụta na-arụ ọrụ ọhụụ nke na-akọwa ma ọ bụ na-emepụta mgbasa ozi anya maka nyocha, arụmọrụ, na imepụta ihe.
Ime miri emi
Ndị GAN mbụ na-azụ netwọkụ abụọ n'ọgụ ọgụ: onye na-emepụta ihe na-eme onyonyo adịgboroja na onye ịkpa oke na-anwa ịhụ ha. Nke a na-adakarị ma ọ bụ kwụsị n'ihi na mfu nke onye ịkpa ókè ekwughị ihe ọ bụla bara uru maka ọganihu. WGAN, nke Arjovsky, Chintala, na Bottou webatara na 2017, dochie onye ịkpa ókè na 'onye nkatọ' nke na-egosi etu ihe onyonyo si ele anya n'ọ̀tụ̀tụ̀ na-aga n'ihu kama ịkọwapụta ezigbo vs-adịgboroja. Ebumnuche ọzụzụ na-aghọ ebe dị anya nke Wasserstein (ụwa) n'etiti nkesa data n'ezie na ewepụtara. Ebe dị anya a na-enye gradients dị nro karị, bara uru ọbụna mgbe nkesa abụọ ahụ na-agbakọ, na-ebelata ndakpọ ọnọdụ n'ụzọ dị egwu ma na-eme ka mfu ahụ bụrụ akara ngosi dị mma.
Nghọta nka nka
Ebe dị anya nke Wasserstein na-eji nlezianya tụọ 'ọrụ' kacha nta iji mee ka otu ikpo unyi (nkesa adịgboroja) banye ọzọ (nke bụ nke bụ eziokwu). Kọmputa ya na-adabere na duality Kantorovich-Rubinstein, nke chọrọ ka onye nkatọ bụrụ 1-Lipschitz (gradients nwere oke). WGAN mbụ kwadoro nke a nke ọma site n'ibibi arọ gaa n'obere oke; WGAN-GP mechara jiri ntaramahụhụ gradient dochie clipping nke na-akwalite ụkpụrụ gradient nke onye nkatọ na 1, na-azụkwu nke ọma.
Ụlọ ọrụ Wasserstein GAN
Wasserstein GAN (WGAN) bụ nhazigharị nke ebumnuche ọzụzụ GAN nke na-eji anya Wasserstein kama mfu min-max mbụ. Ọ na-eme ka ọzụzụ GAN a ma ama na-akwụsighị ike karịa nke a pụrụ ịdabere na ya ma na-enye uru mfu nke dabara na ogo onyonyo. Wasserstein GAN bụ nke kọmpụta na-arụ ọrụ ọhụụ nke na-akọwa ma ọ bụ na-emepụta mgbasa ozi anya maka nyocha, arụmọrụ, na imepụta ihe. Iji wuo nghọta miri emi, na-emeso Wasserstein GAN dị ka ihe nlereanya na-arụ ọrụ, ọ bụghị otu njirimara: kọwaa nsonaazụ achọrọ, dokwuo anya echiche, ma kewaa ihe usoro ahụ nwere ike ime nke ọma na ihe ka na-achọ mkpebi ndị ọkachamara.
Na omume, ndị otu siri ike na-eji Wasserstein GAN nguzozi ziri ezi yana ezigbo arụ ọrụ dị ka ogo data, iche iche ọkụ, na ịkpọ aha. Ha na-edepụta njirisi ịga nke ọma nke ọma, nwalee megide data ziri ezi yana usoro ọrụ, yana na-atụgharị dabere na usoro ọdịda ahụrụ karịa karịa mmeri otu oge. Nke a bụ ebe nghọta usoro ihe atụ na-atụgharị ghọọ ike na-adịgide adịgide n'ofe ngwaahịa, amụma na arụmọrụ.
Visual AI nwere ike megharịa nyocha, nchọpụta na mkpado ọrụ n'ọtụtụ. N'otu oge ahụ, ikike onyonyo na nkwenye nwere ike bụrụ ihe egwu iwu ma ọ bụrụ na edoghị anya. Ụzọ kachasị na-agbanwe agbanwe bụ ijikọ ọsọ nnwale na ịdọ aka ná ntị ọchịchị: ndị na-anya ụgbọ elu, ijide ihe akaebe, bipụta ndekọ mkpebi, na na-aga n'ihu na-emelite nchekwa dị ka omume nlereanya, atụmanya ndị ọrụ, na ihe iwu chọrọ.
Mmetụta atụmatụ
Visual AI nwere ike megharịa nyocha, nchọpụta na mkpado ọrụ n'ọtụtụ.
Visual AI nwere ike megharịa nyocha, nchọpụta na mkpado ọrụ n'ọtụtụ. N'ịkwanye ọkwa dị elu, a na-atụgharị nke a ka ọ bụrụ iwu arụ ọrụ enwere ike ịtụnye, oke nwe, na emume ntụlegharị ugboro ugboro ka ndị otu wee nwee ike ịbawanye ntụkwasị obi kama iwelite enweghị mgbagha.
Otu ndị na-emepụta ihe nwere ike imepụta echiche ngwa ngwa site na ngbanwe akwụkwọ ntuziaka ole na ole.
Otu ndị na-emepụta ihe nwere ike imepụta echiche ngwa ngwa site na ngbanwe akwụkwọ ntuziaka ole na ole. N'ịkwanye ọkwa dị elu, a na-atụgharị nke a ka ọ bụrụ iwu arụ ọrụ enwere ike ịtụnye, oke nwe, na emume ntụlegharị ugboro ugboro ka ndị otu wee nwee ike ịbawanye ntụkwasị obi kama iwelite enweghị mgbagha.
Ọrụ nwere ike iji onyonyo na akara vidiyo siri ike ịhazi.
Ọrụ nwere ike iji onyonyo na akara vidiyo siri ike ịhazi. N'ịkwanye ọkwa dị elu, a na-atụgharị nke a ka ọ bụrụ iwu arụ ọrụ enwere ike ịtụnye, oke nwe, na emume ntụlegharị ugboro ugboro ka ndị otu wee nwee ike ịbawanye ntụkwasị obi kama iwelite enweghị mgbagha.
Mmejuputa n'ezie n'ụwa
Na-emepụta ihu na textures dị adị ebe vanilla GAN dara na mpụta ole na ole ugboro ugboro
Ịmepụta onyonyo ahụike sịntetị, dị ka MRI ma ọ bụ patches histology, iji kwalite ihe ndekọ data akpọrọ ụkọ.
Ịmepụta ihe omume ndakọrịta n'ime ihe ngosi physics nwere ike dị elu ebe ọzụzụ kwụsiri ike dị oke mkpa
Na-eje ozi dị ka akara nrịbama n'ime nyocha ML n'ihi na ọnwụ ya na-esopụta ogo nlele karịa ọzụzụ
Usoro mmejuputa
Wasserstein GAN na omume
Na-emepụta ihu na textures dị adị ebe vanilla GAN dara na mpụta ole na ole ugboro ugboro.
Ịmepụta ihu ihu na textures ebe vanilla GANs dara na nsonaazụ ole na ole ugboro ugboro Otu egwuregwu na-enwetakarị nsonaazụ kacha mma mgbe ha na-akọwapụta ọnụ ụzọ dị mma n'ihu, na-eme ka ụzọ mmadụ si abawanye maka ọnụ ọnụ, ma soro ma uru nrụpụta na ụgwọ njehie na-aga n'ihu oge.
Wasserstein GAN na omume
Ịmepụta onyonyo ahụike sịntetị, dị ka MRI ma ọ bụ patches histology, iji kwalite ihe ndekọ data akpọrọ ụkọ.
Ịmepụta onyonyo ahụike sịntetik, dị ka MRI ma ọ bụ ihe nkedo akụkọ ihe mere eme, iji kwalite ụkọ datasets akpọrọ, otu na-enwetakarị nsonaazụ kacha mma mgbe ha kọwapụtara ọnụ ụzọ dị mma n'ihu, debe ụzọ mmụba mmadụ maka ikpe ọnụ, ma soro ma uru nrụpụta yana ụgwọ njehie n'ime oge.
Wasserstein GAN na omume
Ịmepụta ihe omume ndakọrịta n'ime ihe ngosi physics nwere ike dị elu ebe ọzụzụ kwụsiri ike dị oke mkpa.
Ịmepụta ihe omume ndakpọ ihe n'ime simulations physics dị elu ebe ọzụzụ kwụsiri ike dị mkpa Otu na-enwetakarị nsonaazụ ka mma mgbe ha kọwapụtara ọnụ ụzọ dị mma n'ihu, na-edobe ụzọ ịrị elu mmadụ maka ikpe ikpe, ma soro ma uru nrụpụta na ụgwọ njehie na-aga n'ihu oge.
Wasserstein GAN na omume
Na-eje ozi dị ka akara nrịbama n'ime nyocha ML n'ihi na ọnwụ ya na-esopụta ogo nlele karịa ọzụzụ.
Ije ozi dị ka akara nrịbama na nyocha ML n'ihi na ọnwụ ya na-enyocha ogo nlele karịa ọzụzụ otu na-enwetakarị nsonaazụ ka mma mgbe ha kọwapụtara ọnụ ụzọ dị mma n'ihu, debe ụzọ mmụba mmadụ maka ikpe ọnụ, wee soro ma uru nrụpụta yana ụgwọ njehie n'ime oge.
Ihe ize ndụ & okporo ụzọ nche
Ikike onyonyo na nkwenye nwere ike bụrụ ihe egwu dị n'iwu ma ọ bụrụ na edoghị anya.
Ọrụ nlereanya nwere ike ịdịgasị iche n'ofe ọkụ, igwe mmadụ, na gburugburu.
Enwere ike ghara ịhụ ihe dị mma ma ọ bụrụ na enyochaghị oke ntụkwasị obi.
Map mmejuputa
Kọwaa ụkpụrụ nnabata maka nkenke, icheta, na ụgwọ njehie.
Kọwaa ụkpụrụ nnabata maka nkenke, icheta, na ụgwọ njehie. Mesoo nzọụkwụ ọ bụla dị ka ọnụ ụzọ akaebe: ọ bụrụ na emezughị ụkpụrụ, kwụsịtụ mbugharị, mechie oghere ahụ, naanị wee gbasaa ojiji.
Nwalee na data dabara na ọnọdụ mmepụta n'ezie.
Nwalee na data dabara na ọnọdụ mmepụta n'ezie. Mesoo nzọụkwụ ọ bụla dị ka ọnụ ụzọ akaebe: ọ bụrụ na emezughị ụkpụrụ, kwụsịtụ mbugharị, mechie oghere ahụ, naanị wee gbasaa ojiji.
Tinye nyocha mmadụ maka obere obi ike ma ọ bụ amụma mmetụta dị elu.
Tinye nyocha mmadụ maka obere obi ike ma ọ bụ amụma mmetụta dị elu. Mesoo nzọụkwụ ọ bụla dị ka ọnụ ụzọ akaebe: ọ bụrụ na emezughị ụkpụrụ, kwụsịtụ mbugharị, mechie oghere ahụ, naanị wee gbasaa ojiji.
Sochie ihe nlere anya wee megharịa ka emechara mgbanwe igwefoto ma ọ bụ dataset.
Sochie ihe nlere anya wee megharịa ka emechara mgbanwe igwefoto ma ọ bụ dataset. Mesoo nzọụkwụ ọ bụla dị ka ọnụ ụzọ akaebe: ọ bụrụ na emezughị ụkpụrụ, kwụsịtụ mbugharị, mechie oghere ahụ, naanị wee gbasaa ojiji.