Overview
Kurasika kwekunzwisisa kunoyera kuti mifananidzo miviri yakafanana inotaridzika sei kuvanhu nekuenzanisa yakadzika neural network maficha panzvimbo yemapikisi akaomeswa. Izvo zvine basa nekuti pixel-by-pixel kuenzanisa kunoranga zvisizvo zvidiki zvidiki uye kufiphala ruzivo, nepo kurasikirwa kwekunzwisisa kunopa mibairo yakapinza, yechokwadi mhedzisiro.
Kurasika Kwekuziva uye LPIPS ndeyekombuta-kuona mafambiro anodudzira kana kuburitsa midhiya yekuona yekuongorora, mashandiro, uye kugadzira.
Deep Dive
Kurasikirwa kwechinyakare senge L2 (zvinoreva squared kukanganisa) enzanisa mifananidzo pixel-by-pixel, saka imwe-pixel kuchinja kana zvishoma zvakasiyana magadzirirwo anotaridzika kunge chikanganiso chikuru kunyangwe vanhu vasinganyatso cherechedza. Kurasikirwa kwekunzwisisa panzvimbo inomhanyisa mifananidzo miviri kuburikidza netiweki yakadzidziswa (kazhinji VGG) uye inoenzanisa activation kubva pakati pepakati. Nekuti iwo maficha anonamira mipendero, maumbirwo, uye zvikamu zvechinhu pane chaiyo pixel values, kurasikirwa kunoenderana zvirinani nekutonga kwevanhu, kukurudzira kwakapinza, semantically yakatendeka zvinobuda. LPIPS (Yakadzidza Yekunzwisisa Mufananidzo Patch Kufanana), yakaunzwa naZhang et al. muna 2018, inogadzirisa izvi: inobvisa zvinhu zvakadzika, inoagadzirisa, uye inoshandisa zviyero zvakadzidzwa zvakaenzaniswa nezviuru zvemitongo yakafanana yevanhu, ichigadzira chinhambwe chimwe chete apo nzira dzakaderera dzakafanana.
Technical Insight
LPIPS inopfuudza ese ari maviri mifananidzo kuburikidza neyakagadziriswa musana (VGG, AlexNet, kana SqueezeNet), unit-inogadzirisa chiteshi activation pamatanho akati wandei, yozotora mutsauko wakapetwa pane imwe neimwe nzvimbo yenzvimbo. Seti diki yezviyero zvakadzidzwa pa-chenera inoyera misiyano iyo isati yaitwa pakati nepakati uye kupfupikiswa pazvikamu. Iwo mauremu akadzidziswa paBAPPS dataset yehuviri-imwe nzira-inomanikidza-sarudzo sarudzo, saka metric inoratidza izvo vanhu vanonyatso onekwa kwete mbishi chimiro chinhambwe.
Kubata Kurasika Kwekuona uye LPIPS
Kurasika kwekunzwisisa kunoyera kuti mifananidzo miviri yakafanana inotaridzika sei kuvanhu nekuenzanisa yakadzika neural network maficha panzvimbo yemapikisi akaomeswa. Izvo zvine basa nekuti pixel-by-pixel kuenzanisa kunoranga zvisizvo zvidiki zvidiki uye kufiphala ruzivo, nepo kurasikirwa kwekunzwisisa kunopa mibairo yakapinza, yechokwadi mhedzisiro. Kurasika Kwekuziva uye LPIPS ndeyekombuta-kuona mafambiro anodudzira kana kuburitsa midhiya yekuona yekuongorora, mashandiro, uye kugadzira. Kuvaka kunzwisisa kwakadzama, kubata Perceptual Loss uye LPIPS semuenzaniso wekushanda, kwete chinhu chimwe chete: tsanangura zvinodikanwa, kujekesa fungidziro, uye patsanura izvo zvingaitwa nehurongwa hwakavimbika kubva kune zvichiri kuda kutonga kwenyanzvi.
Mukuita, zvikwata zvakasimba zvinoshandisa Perceptual Loss uye LPIPS chiyero chechokwadi nehuchokwadi hwekushanda semhando yedata, kusiyana kwemwenje, uye kuenderana kwemazita. Ivo vanonyora zvakajeka maitiro ebudiriro, bvunzo vachipokana ne data rechokwadi uye mafambiro ebasa, uye iterate zvichibva pane zvakacherechedzwa maitiro ekutadza kwete kuhwina-nguva imwe chete yebhenji. Apa ndipo apo kunzwisisa kwe theoretical kunoshanduka kuve kugona kwakasimba pane chigadzirwa, mutemo, uye mashandiro.
Visual AI inogona kuita otomatiki yekuongorora, yekuona, uye yekumaka mabasa pachiyero. Panguva imwecheteyo, kodzero dzeMufananidzo uye kubvumirwa kunogona kuve njodzi dzepamutemo kana hunhu husina kujeka. Nzira yakatsiga ndeyekubatanidza kukurumidza kuyedza nekutonga: mhanyisa vatyairi vendege, tora humbowo, buritsa matanda esarudzo, uye urambe uchivandudza chengetedzo semaitiro emuenzaniso, zvinotarisirwa nemushandisi, uye zvinodikanwa zvekutonga.
Strategic Impact
Visual AI inogona kuita otomatiki yekuongorora, yekuona, uye yekumaka mabasa pachiyero.
Visual AI inogona kuita otomatiki yekuongorora, yekuona, uye yekumaka mabasa pachiyero. Mukutumirwa kwemhando yepamusoro, izvi zvinoshandurirwa kuita mitemo inoyerwa yekushanda, miganhu yevaridzi, uye tsika dzekudzokorora dzinodzokororwa kuitira kuti zvikwata zvikwire kuvimba pane kukwidza kusajeka.
Zvikwata zvekugadzira zvinogona prototype pfungwa nekukurumidza nekudzokororwa kwemaoko mashoma.
Zvikwata zvekugadzira zvinogona prototype pfungwa nekukurumidza nekudzokororwa kwemaoko mashoma. Mukutumirwa kwemhando yepamusoro, izvi zvinoshandurirwa kuita mitemo inoyerwa yekushanda, miganhu yevaridzi, uye tsika dzekudzokorora dzinodzokororwa kuitira kuti zvikwata zvikwire kuvimba pane kukwidza kusajeka.
Mashandisirwo anogona kushandisa masaini emifananidzo nemavhidhiyo ayo aimbove akaoma kugadzirisa.
Mashandisirwo anogona kushandisa masaini emifananidzo nemavhidhiyo ayo aimbove akaoma kugadzirisa. Mukutumirwa kwemhando yepamusoro, izvi zvinoshandurirwa kuita mitemo inoyerwa yekushanda, miganhu yevaridzi, uye tsika dzekudzokorora dzinodzokororwa kuitira kuti zvikwata zvikwire kuvimba pane kukwidza kusajeka.
Real-World Implementation
Kudzidzira super-resolution network (semuenzaniso, SRGAN) mapikicha akakwirisa anotaridzika akapinza uye akagadzirwa kwete kusajeka.
Kuongorora kudzvanywa kwemufananidzo uye macodecs nekuona kuti mufananidzo wakadhindwa uri pedyo sei kune wepakutanga.
Inotungamira dhizaini yekufambisa, uko zvirimo zvinofananidzwa kuburikidza neyakadzama VGG maficha kwete chaiwo mapixels.
Benchmarking GAN uye diffusion mifananidzo jenareta nekutaura LPIPS chinhambwe pakati peyakagadzirwa uye chaiyo mifananidzo.
Maitiro Ekuita
Kurasika Kwekuona uye LPIPS mukuita
Kudzidzira super-resolution network (semuenzaniso, SRGAN) mapikicha akakwirisa anotaridzika akapinza uye akagadzirwa kwete kusajeka.
Kudzidzira super-resolution network (semuenzaniso, SRGAN) mapikicha akakwirisa anotaridzika akapinza uye akagadzirwa kwete kusajeka Matimu anowanzo kuwana mibairo iri nani kana achinge atsanangura emhando yepamusoro kumberi, chengetedza nzira yekukwira kwevanhu yemakesi emupendero, uye kuteedzera zvese zvakawanikwa zvechigadzirwa uye mutengo wekukanganisa nekufamba kwenguva.
Kurasika Kwekuona uye LPIPS mukuita
Kuongorora kudzvanywa kwemufananidzo uye macodecs nekuona kuti mufananidzo wakadhindwa uri pedyo sei kune wepakutanga.
Kuongorora kudzvanywa kwemufananidzo uye macodecs nekuyeva kuti kuvharika kwakadii kwemufananidzo wakadhindwa kune vekutanga Matimu anowanzo kuwana mhedzisiro iri nani kana vachinge vatsanangura hunhu hwepamberi, chengetedza nzira yekukwira kwevanhu yemakesi ekumucheto, uye kuteedzera zvese zvakawanikwa zvechigadzirwa uye mutengo wekukanganisa nekufamba kwenguva.
Kurasika Kwekuona uye LPIPS mukuita
Inotungamira dhizaini yekufambisa, uko zvirimo zvinofananidzwa kuburikidza neyakadzama VGG maficha kwete chaiwo mapixels.
Inotungamira dhizaini yekuchinjisa, uko zvirimo zvinofananidzwa kuburikidza neyakadzama VGG maficha kwete chaiwo mapikisi Matimu anowanzo kuwana mhedzisiro iri nani kana achinge atsanangura emhando yepamusoro kumberi, chengetedza nzira yekukwira kwevanhu yemakesi emupendero, uye kuteedzera zvese zvakawanikwa zvechigadzirwa uye mutengo wekukanganisa nekufamba kwenguva.
Kurasika Kwekuona uye LPIPS mukuita
Benchmarking GAN uye diffusion mifananidzo jenareta nekutaura LPIPS chinhambwe pakati peyakagadzirwa uye chaiyo mifananidzo.
Benchmarking GAN uye diffusion majenareta emifananidzo nekutaura LPIPS chinhambwe pakati peyakagadzirwa uye chaiyo mifananidzo Matimu anowanzo kuwana mhedzisiro iri nani kana achinge atsanangura emhando yepamusoro kumberi, chengetedza nzira yekukwira kwevanhu yemakesi emupendero, uye kuteedzera zvese zvakawanikwa zvechigadzirwa uye mutengo wekukanganisa nekufamba kwenguva.
Njodzi & Guardrails
Kodzero dzemifananidzo uye kubvumirwa kunogona kuve njodzi dzepamutemo kana provenance isina kujeka.
Kuita kwemuenzaniso kunogona kusiyanisa kupenya, huwandu hwevanhu, uye nharaunda.
Manyepo enhema anogona kusacherechedzwa kunze kwekunge zvikumbaridzo zvekuvimba zvikatariswa.
Implementation Roadmap
Tsanangura maitiro ekugamuchirwa echokwadi, kurangarira, uye mutengo wekukanganisa.
Tsanangura maitiro ekugamuchirwa echokwadi, kurangarira, uye mutengo wekukanganisa. Bata nhanho yega yega segedhi rehumbowo: kana maitiro asina kusangana, imbomira kuburitsa, vhara gaka, uye wobva wawedzera kushandiswa.
Edzai nedata rinoenderana nemamiriro chaiwo ekugadzira.
Edzai nedata rinoenderana nemamiriro chaiwo ekugadzira. Bata nhanho yega yega segedhi rehumbowo: kana maitiro asina kusangana, imbomira kuburitsa, vhara gaka, uye wobva wawedzera kushandiswa.
Wedzera ongororo yemunhu kune yakaderera-kusavimbika kana yakakwirira-inokanganisa kufanotaura.
Wedzera ongororo yemunhu kune yakaderera-kusavimbika kana yakakwirira-inokanganisa kufanotaura. Bata nhanho yega yega segedhi rehumbowo: kana maitiro asina kusangana, imbomira kuburitsa, vhara gaka, uye wobva wawedzera kushandiswa.
Tevera modhi kudonha uye simbisa mushure mekuchinja kwekamera kana dataset.
Tevera modhi kudonha uye simbisa mushure mekuchinja kwekamera kana dataset. Bata nhanho yega yega segedhi rehumbowo: kana maitiro asina kusangana, imbomira kuburitsa, vhara gaka, uye wobva wawedzera kushandiswa.