GAN'ların Aşamalı Büyümesi
Aşamalı büyüme, küçük çözünürlüklerden başlayarak ve yüksek çözünürlüklü görüntülere ulaşmak için kademeli olarak katmanlar ekleyerek bir GAN'ı eğitir.
Genel Bakış
It matters because it made stable, megapixel-quality GAN synthesis practical for the first time.
Derin Dalış
Karras ve ark. (NVIDIA) 2017'de aşamalı büyüme (ProGAN), GAN'ların doğrudan yüksek çözünürlükte eğitilmesindeki istikrarsızlık ve yavaşlığın üstesinden geliyor. Hem oluşturucu hem de ayırıcı, 4x4 pikselde küçük bir başlangıç yaparak yalnızca büyük ölçekli yapıyı öğrenir. Daha sonra, çözünürlüğü iki katına çıkaran yeni katmanlar (8x8, 16x16, 1024x1024'e kadar) eğitim süresince her iki ağa simetrik olarak eklenir. Önemli olan, her yeni katmanın doğrusal bir alfa harmanı kullanılarak yumuşak bir şekilde soluklaştırılmasıdır, böylece ağ ani bir mimari değişiklikten etkilenmez. İnce ayrıntılardan önce kaba özellikleri öğrenerek eğitim daha istikrarlı hale gelir, daha hızlı birleşir ve CelebA-HQ sonuçlarını meşhur eden yüksek kaliteli yüzler üretir. Makale ayrıca eğitimi daha da istikrarlı hale getirmek için mini parti standart sapmasını ve eşitlenmiş öğrenme oranlarını da tanıttı.
Teknik Bilgi
Fade-in merkezi hiledir. Daha yüksek çözünürlüklü bir blok eklendiğinde, çıktısı, 0'dan 1'e yükselen bir ağırlık alfası kullanılarak önceki çözünürlüğün üst örneklenmiş bir sürümüyle karıştırılır. Bu, ağın zaten öğrendiğini bozmak yerine yeni katmanların ağırlıklarının kademeli olarak ısınmasına olanak tanır. Ayırıcıda simetrik bir süreç meydana gelir. Mini parti standart sapması, parti varyasyonunu özetleyen bir özellik ekleyerek jeneratörün sınırlı çıkışlara doğru çökmesini engeller.
Stratejik Etki
Speed and scale
Visual AI, inceleme, algılama ve etiketleme görevlerini geniş ölçekte otomatikleştirebilir.
Build choices
Yaratıcı ekipler, daha az manuel revizyonla konseptleri daha hızlı prototipleyebilir.
Ekip ve iş akışı
Operasyonlar, daha önce işlenmesi zor olan görüntü ve video sinyallerini kullanabilir.
GAN'ların Aşamalı Büyümesinin Geleceği
Aşamalı büyüme, StyleGAN'ın üzerine inşa ettiği temeldi, ancak StyleGAN2 daha sonra atlama bağlantıları ve artık bloklara sahip sabit bir mimarinin, aşamalı program olmadan kalitesiyle eşleşebileceğini gösterdi, bu nedenle açık büyüme gözden düştü. Daha derindeki miras varlığını sürdürüyor: Kabadan inceye nesil artık çok ölçekli yayılmada, basamaklı süper çözünürlüklü ardışık düzenlerde ve gizli alan yükselticilerde ortaya çıkıyor. Aşamalı büyümeyi anlamak, hiyerarşik, düşükten yükseğe frekanslı öğrenmenin neden üretken eğitimi istikrara kavuşturduğunu kavramak için değerli olmaya devam ediyor.
Gerçek Dünya Uygulaması
1024x1024 GAN sentezini gösteren yüksek çözünürlüklü CelebA-HQ yüz görüntülerinin üretilmesi.
Yatak odaları (LSUN) ve nesneler gibi diğer alanların yüksek kaliteli örneklerini geniş ölçekte oluşturma.
StyleGAN'ın kontrol edilebilir yüz üretimi için genişlettiği mimari başlangıç noktası olarak hizmet vermektedir.
Kademeli ve çok ölçekli üretim hatlarında yeniden kullanılan kabadan inceye eğitim ilkesinin öğretilmesi.
Riskler ve Korkuluklar
Kaynağın belirsiz olması durumunda görüntü hakları ve rıza yasal risk haline gelebilir.
Model performansı aydınlatma, demografik özellikler ve ortamlara göre değişiklik gösterebilir.
Güven eşikleri izlenmediği sürece yanlış pozitifler fark edilmeyebilir.
Uygulama Yol Haritası
Kesinlik, geri çağırma ve hata maliyetlerine ilişkin kabul kriterlerini tanımlayın.
Gerçek üretim koşullarıyla eşleşen verilerle test edin.
Düşük güvenirliğe sahip veya yüksek etkili tahminler için gerçek kişi tarafından yapılan incelemeyi ekleyin.
Model kaymasını izleyin ve kamera veya veri kümesi değişikliklerinden sonra yeniden doğrulayın.
Keşfetmeye Devam Edin
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 Progressive Growing of GANs 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
Next guide
Koşullu GAN'lar
Sık sorulan sorular
What is Progressive Growing of GANs?
Aşamalı büyüme, küçük çözünürlüklerden başlayarak ve yüksek çözünürlüklü görüntülere ulaşmak için kademeli olarak katmanlar ekleyerek bir GAN'ı eğitir. Bu önemlidir çünkü ilk kez kararlı, megapiksel kalitesinde GAN sentezini pratik hale getirmiştir.
Aşamalı olarak büyüyen bir GAN eğitime nasıl başlar?
Eğitim, daha yüksek çözünürlüklü katmanlar eklenmeden önce ağların kaba yapıyı öğrendiği 4x4'te başlar.
Çözünürlüğü kademeli olarak artırmanın temel faydası nedir?
Kaba özelliklerin öğrenilmesi öncelikle eğitimi dengeler ve başlangıçtan itibaren tam çözünürlüğe saldırmaya kıyasla yakınsamayı hızlandırır.
Daha yüksek çözünürlüklü yeni bir katman eklendiğinde nasıl eklenir?
Doğrusal bir geçiş, yeni katmanın çıktısını üst örneklenmiş daha düşük çözünürlüklü bir çıktıyla harmanlayarak ağın kademeli olarak uyum sağlamasına olanak sağlar.
Katmanlar neden hem oluşturucuya hem de ayırıcıya ekleniyor?
Her iki ağ da birlikte büyür, böylece ayırıcı, görüntüleri jeneratörün mevcut çözünürlüğünde değerlendirmeye devam edebilir.
ProGAN'da uygulamaya konulan minibatch standart sapma katmanının amacı nedir?
Toplu değişkenlik hakkında bir istatistik ekleyerek jeneratörü çökmek yerine farklı çıktılar üretmeye teşvik eder.