ДаліНаступний посібник
Прогресивне зростання GAN
Візуальний ШІ
Візуальний AI GUIDE
Умовні GAN
Умовні GAN (cGAN) розширюють звичайні GAN, надаючи додаткову інформацію, як-от мітку класу або текст, у генератор і дискримінатор.
Послухайте цей посібникШІ-розказаний · ~2 min
На цій сторінці2 хвилини читання
Огляд
Це дає вам змогу контролювати те, що створює мережа, замість отримання випадкових виходів.
Глибоке занурення
Стандартний GAN перетворює випадковий шум на зображення, але не дає вам права говорити про результат. Умовні GAN, запропоновані Мірзою та Осіндеро в 2014 році, виправляють це, створюючи умови для мітки y. Обидві мережі отримують y: генератор поєднує шум із міткою, щоб отримати відповідне зображення, тоді як дискримінатор оцінює, чи є зображення реалістичним і чи відповідає його мітці. Навчіться на MNIST із цифровими мітками, і ви можете запитати конкретно «7». Сигналом кондиціонування може бути вектор одного гарячого класу, вбудовування, набір атрибутів або навіть інше зображення. Ця ідея керування генерацією є основою, яка робить можливими системи перетворення тексту в зображення та зображення в зображення.
Реалізація в реальному світі
Генерація конкретної рукописної цифри або класу об’єктів на вимогу, а не випадкового
Синтез облич із вибраними атрибутами, такими як вік, зачіска, окуляри чи вираз обличчя
Забезпечення ранніх конвеєрів перетворення тексту в зображення, де підпис обумовлює створене зображення
Створення збалансованих за класом синтетичних даних для збільшення недостатньо представлених категорій у навчальних наборах
Майбутнє умовних GAN
Умовна генерація тепер є стандартним очікуванням: користувачі хочуть вказати, що вони отримають. Ідея кондиціонування міток узагальнена в кондиціювання форматованого тексту за допомогою перехресної уваги в моделях розповсюдження, таких як Stable Diffusion, і в просторове кондиціонування в стилі ControlNet за допомогою країв, глибини або пози. Майбутні системи прийматимуть усе більш гнучкі та мультимодальні умови, змішуючи текст, ескізи, аудіо та 3D-обмеження, у той же час покращуючи, наскільки точно виходи дотримуються кожної частини інструкції.
Застосування на практиці
Чому це важливо
- Швидкість і масштаб. Візуальний штучний інтелект може автоматизувати масштабні завдання перевірки, виявлення та позначення тегами.
- Створіть вибір. Творчі групи можуть створювати прототипи концепцій швидше з меншою кількістю переглядів вручну.
- Команда та робочий процес. Операції можуть використовувати зображення та відеосигнали, які раніше було важко обробити.
Зверніть увагу на
- Права на зображення та згода можуть стати юридичними ризиками, якщо походження невідоме.
- Продуктивність моделі може відрізнятися залежно від освітлення, демографічних показників і середовища.
- Помилкові спрацьовування можуть залишитися непоміченими, якщо не відстежувати пороги довіри.
Наступні кроки
- Визначте критерії прийнятності для точності, відкликання та вартості помилок.
- Тестуйте з даними, які відповідають реальним умовам виробництва.
- Додайте перевірку людиною для прогнозів із низьким рівнем достовірності або високого впливу.
- Відстежуйте дрейф моделі та повторно перевіряйте після зміни камери або набору даних.
Продовжуйте досліджувати
Безплатний розсилок
Отримуйте щоденне зведення новин про ШІ
Три перевірені історії про ШІ щоробочого ранку, написані простою мовою. Безплатно назавжди, без реклами.
Один лист щотижня з понеділка по п'ятницю. Відписатися в один клік. Ми ніколи не продаємо та не передаємо вашу адресу.
Перевір себе
Take the Conditional GANs quiz
Миттєва зворотна связь на кожну відповідь та сертифікат із перевіреним ідентифікатором, яким можна поділитися, після проходження курсу.
Підтримайте безплатну освіту у сфері ШІ. AI Understanding — це некомерційна організація 501(c)(3) — без реклами, без платних стін, назавжди. Зробіть пожертву
Часті запитання
Що таке умовні GAN?
Умовні GAN (cGAN) розширюють звичайні GAN, надаючи додаткову інформацію, як-от мітку класу або текст, у генератор і дискримінатор. Це дає вам змогу контролювати те, що створює мережа, замість отримання випадкових виходів.
У чому головна відмінність між умовним GAN і стандартним GAN?
Умовні GAN додають сигнал кондиціонування (наприклад, мітку) як до генератора, так і до дискримінатора, щоб ви могли вказати, що генерується.
У cGAN, навченому на мічених цифрах, що ви можете зробити, чого не може звичайний GAN?
Оскільки генерація залежить від мітки, ви можете запитати у генератора певний клас замість випадкового виведення.
Що повинен перевірити дискримінатор cGAN, крім того, чи виглядає зображення справжнім?
Дискримінатор штрафує реалістичні зображення, які не відповідають умовам, змушуючи генератор поважати мітку.
Який поширений спосіб подачі сигналу кондиціювання на генератор?
Простий і звичайний підхід об'єднує мітку (часто одну гарячу або вбудовану) до вектора шуму генератора.
Умовні GAN заклали основу для якої подальшої можливості?
Керування генерацією через умову — це саме те, на що покладаються системи перетворення тексту в зображення та зображення в зображення.
Продовжуйте вчитися
Пов'язані посібники
Інші посібники, вибрані для цієї теми