Uteuzi wa Tokeni Sambamba ya MaskGIT
MaskGIT hutengeneza picha kwa kutabiri ishara nyingi mara moja na kujaza zile zinazojiamini zaidi kwanza, na kuchukua nafasi ya kizazi cha polepole kutoka kushoto kwenda kulia na hatua chache za haraka zinazolingana.
Dive ya kina
MaskGIT (Kibadilisha Kigeuzi cha Taswira Iliyofichwa), kutoka Google mwaka wa 2022, inatafakari upya jinsi miundo ya picha inayotokana na tokeni inavyosimbua. Transfoma za awali kama vile VQGAN zilizalisha tokeni kiotomatiki, moja baada ya nyingine kwa mpangilio mbaya, ambao ni wa polepole na usio wa asili kwa picha za 2D. MaskGIT badala yake hufunza kwa lengo la uundaji uliofichwa kama vile BERT: seti ndogo za nasibu za tokeni za picha zimefichwa na modeli hujifunza kuzitabiri zote kwa wakati mmoja kwa kutumia umakini wa pande mbili. Wakati wa uzalishaji huanza kutoka kwenye gridi ya taifa iliyofunikwa kikamilifu na hutenganisha nambari fulani ya marudio (mara nyingi 8 hadi 12). Kila hatua hubashiri kila ishara iliyofunikwa, huweka ubashiri wa uhakika wa hali ya juu, na hufunika tena sehemu nyingine kwa raundi inayofuata. Hii hutoa picha za ubora wa juu katika takriban mpangilio wa hatua chache zaidi kuliko usimbaji otomatiki.
Ufahamu wa Kiufundi
Sehemu muhimu ni ratiba ya kujificha ya kujiamini. Ratiba ya cosine huamua ni tokeni ngapi za kuonyesha kila marudio, kuanzia polepole na kwa kasi. Kwa sababu umakini ni wa pande mbili, kila tokeni huona taswira nzima, kwa hivyo kufanya ubashiri wa uhakika zaidi kwanza huruhusu hatua za baadaye ziwekee muktadha thabiti, kama vile kutatua sehemu rahisi za fumbo kabla ya zile zisizoeleweka.
Athari za kimkakati
Kasi na kiwango
Visual AI inaweza kufanya ukaguzi, ugunduzi na kazi za kuweka lebo kiotomatiki kwa kiwango.
Tengeneza chaguzi
Timu bunifu zinaweza kuiga dhana kwa haraka zaidi na masahihisho machache ya mikono.
Timu na mtiririko wa kazi
Uendeshaji unaweza kutumia ishara za picha na video ambazo hapo awali zilikuwa ngumu kuchakata.
Mustakabali wa Uteuzi wa Tokeni Sambamba wa MaskGIT
Usimbuaji wa kurudia sawia wa MaskGIT ulihimiza wimbi la jenereta zisizo za moja kwa moja, ikijumuisha MUSE kwa maandishi-kwa-picha na mbinu zilizofichwa za video. Mchoro, unaotabiri tokeni sambamba na uboreshaji kwa hatua chache, hukaa kati ya GAN za risasi moja na uenezaji wa hatua nyingi, ukitoa ubadilishanaji wa kasi wa ubora unaoweza kubadilishwa. Tarajia usimbaji wa tokeni zilizofichwa ili kuendelea kuonekana katika jenereta za haraka za modi nyingi na mifumo ya kuhariri ambapo kupaka rangi na kujazwa kwa masharti kunafaa kiasili.
Utekelezaji wa Ulimwengu Halisi
Kutoa taswira kamili katika takriban hatua 8 hadi 12 zinazolingana badala ya mamia ya utabiri wa tokeni unaojirudia.
Kupaka eneo lililofichwa la picha kwa kutabiri tena ishara zilizofichwa zenye muktadha unaoizunguka
Usanisi wa picha zenye masharti ya darasa kwenye ImageNet kwa ubora wa ushindani na miundo ya polepole zaidi
Inatumika kama uti wa mgongo wa kusimbua mifumo ya kubadilisha maandishi hadi picha kama MUSE ya Google ambayo inahitaji uundaji wa haraka
Hatari & Walinzi
Haki za picha na idhini zinaweza kuwa hatari za kisheria ikiwa asili haiko wazi.
Utendaji wa muundo unaweza kutofautiana katika mwangaza, idadi ya watu na mazingira.
Chanya za uwongo zinaweza kutotambuliwa isipokuwa viwango vya uaminifu vifuatiliwe.
Ramani ya Utekelezaji
Bainisha vigezo vya kukubalika vya usahihi, kumbukumbu na gharama za makosa.
Jaribu kwa kutumia data inayolingana na hali halisi ya uzalishaji.
Ongeza ukaguzi wa kibinadamu kwa utabiri wa chini au utabiri wa athari kubwa.
Fuatilia mtindo wa kuteleza na uthibitishe upya baada ya mabadiliko ya kamera au mkusanyiko wa data.
Endelea Kuchunguza
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the MaskGIT Parallel Token Decoding quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Mwongozo unaofuata
Usimbaji Sambamba wa Mifupa-ya-Mawazo
Maswali yanayoulizwa mara kwa mara
What is MaskGIT Parallel Token Decoding?
MaskGIT hutengeneza picha kwa kutabiri ishara nyingi mara moja na kujaza zile zinazojiamini zaidi kwanza, na kuchukua nafasi ya kizazi cha polepole kutoka kushoto kwenda kulia na hatua chache za haraka zinazolingana.
MaskGIT huamuaje ishara za picha tofauti na kibadilishaji cha VQGAN?
MaskGIT hutabiri tokeni zote zilizofichwa kwa wakati mmoja kwa uangalifu wa pande mbili, tofauti na usimbaji otomatiki wa polepole wa VQGAN kutoka kushoto kwenda kulia.
Je, MaskGIT inakopa lengo gani la mafunzo kutoka kwa mifano ya lugha?
MaskGIT huficha seti ndogo za ishara nasibu na hujifunza kuzitabiri, lengo la kielelezo lililofichwa sawa na BERT.
Wakati wa kizazi, ni ishara gani MaskGIT hufanya kwa kila iteration?
Kila hatua huweka ubashiri unaoaminika zaidi na hufunika yaliyosalia tena, kwa hivyo hatua za baadaye zitazingatia muktadha unaotegemeka.
Takriban ni marudio mangapi ambayo MaskGIT kawaida huhitaji kutoa picha?
MaskGIT hutenga misimbo katika idadi ndogo isiyobadilika ya hatua, mara nyingi 8 hadi 12, chache sana kuliko mbinu za urejeshi au uenezaji.
Je! ni ratiba gani inayodhibiti ni tokeni ngapi za MaskGIT zinaonyesha kila hatua?
Ratiba ya cosine huonyesha tokeni chache mapema na baadaye zaidi, kusawazisha ubora na kasi katika marudio.