Mạng đối thủ sáng tạo
Mạng đối thủ sáng tạo (GAN) tạo ra dữ liệu mới thực tế bằng cách đưa hai mạng thần kinh cạnh tranh với nhau trong một cuộc thi.
Tổng quan
They produced the first wave of convincing AI-generated faces and remain a landmark idea in generative AI.
Lặn sâu
Được Ian Goodfellow giới thiệu vào năm 2014, GAN đào tạo hai mạng cùng một lúc. Trình tạo phát minh ra các mẫu giả, chẳng hạn như hình ảnh, bắt đầu từ nhiễu ngẫu nhiên. Bộ phân biệt đối xử sẽ đánh giá xem mỗi mẫu là thật (từ dữ liệu huấn luyện) hay giả (từ trình tạo). Họ cạnh tranh: người tạo ra cố gắng đánh lừa người phân biệt đối xử, trong khi người phân biệt đối xử cố gắng không để bị lừa. Khi cả hai đều được cải tiến, hàng giả trở nên thực tế đến kinh ngạc. GAN hỗ trợ các khuôn mặt chân thực trong "Người này không tồn tại", với StyleGAN đặt tiêu chuẩn cho ảnh chân dung có độ phân giải cao. Chúng nổi tiếng là khó huấn luyện, dễ bị mất ổn định và "sụp đổ chế độ", trong đó máy phát điện chỉ tạo ra một số đầu ra lặp đi lặp lại. Kể từ đó, các mô hình khuếch tán đã vượt qua chúng trong nhiều nhiệm vụ hình ảnh, nhưng GAN vẫn có tốc độ tạo ra nhanh và có tầm ảnh hưởng.
Hiểu biết kỹ thuật
Huấn luyện là một trò chơi minimax giữa hai mạng có mục tiêu đối lập nhau. Bộ phân biệt được đào tạo để đưa ra điểm cao cho dữ liệu thực và điểm thấp cho dữ liệu được tạo; trình tạo được đào tạo để làm cho trình phân biệt đạt điểm cao cho hàng giả của nó. Điều quan trọng là bộ tạo không bao giờ nhìn thấy hình ảnh thực một cách trực tiếp, nó chỉ học từ tín hiệu gradient được truyền trở lại qua bộ phân biệt. Ở trạng thái cân bằng lý thuyết, phân phối đầu ra của trình tạo khớp với dữ liệu thực và bộ phân biệt đối xử không thể làm gì tốt hơn việc đoán.
Tác động chiến lược
Quyết định rõ ràng hơn
Nó giúp bạn tách biệt các tuyên bố kỹ thuật rõ ràng khỏi ngôn ngữ tiếp thị.
Chi phí và ngân sách
Bạn có thể đặt các câu hỏi triển khai tốt hơn trước khi chi tiền hoặc thời gian.
Nhóm và quy trình làm việc
Các nhóm có sự hiểu biết chung sẽ đưa ra các quyết định về sản phẩm, chính sách và học tập tốt hơn.
Tương lai của các mạng đối thủ sáng tạo
Các mô hình khuếch tán hiện đang thống trị việc tạo hình ảnh chất lượng cao, vì vậy các GAN thuần túy đã đánh mất vương miện của mình trong nhiều nhiệm vụ sáng tạo. Ưu điểm của chúng là tốc độ: GAN tạo ra hình ảnh chỉ trong một lần chuyển tiếp, trong khi quá trình khuếch tán cần nhiều bước, do đó, GAN vẫn tồn tại trong thời gian thực, độ phân giải siêu cao và tạo trên thiết bị. Các hệ thống hybrid ngày càng sử dụng tổn hao bất lợi kiểu GAN để cải thiện kết quả đầu ra từ các mô hình khác. Mong đợi GAN tiếp tục hoạt động như một thành phần nhanh, nhẹ thay vì công cụ tạo tiêu đề.
Triển khai trong thế giới thực
Tạo khuôn mặt chân thực của những người không tồn tại, như trên ThisPersonDoesNotExist.com
Nâng cấp và làm sắc nét hình ảnh có độ phân giải thấp và video cũ (siêu độ phân giải)
Tạo dữ liệu đào tạo tổng hợp cho các lĩnh vực có dữ liệu thực khan hiếm hoặc riêng tư
Chuyển phong cách và chỉnh sửa ảnh, chẳng hạn như biến bản phác thảo thành hình ảnh thực tế hoặc làm già đi khuôn mặt
Rủi ro & lan can
Các nhóm khác nhau có thể sử dụng cùng một thuật ngữ một cách khác nhau, vì vậy hãy sớm xác định phạm vi.
Điểm chuẩn có thể trông mạnh mẽ trong khi hiệu suất trong thế giới thực không đồng đều.
Việc bỏ qua các kế hoạch đánh giá và chất lượng dữ liệu thường tạo ra những kết quả mong manh.
Lộ trình thực hiện
Bắt đầu với một định nghĩa đơn giản về kết quả bạn cần.
Chọn một số liệu thành công và một điều kiện thất bại trước khi thử nghiệm.
Chạy một thử nghiệm nhỏ với dữ liệu đại diện chứ không phải một bản demo bóng bẩy.
Tài liệu về nơi Mạng đối thủ sáng tạo giúp ích và nơi các phương pháp đơn giản hơn sẽ tốt hơn.
Tiếp tục khám phá
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 Generative Adversarial Networks 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
Hướng dẫn tiếp theo
Mạng lưới thần kinh đồ thị
Câu hỏi thường gặp
What is Generative Adversarial Networks?
Mạng đối thủ sáng tạo (GAN) tạo ra dữ liệu mới thực tế bằng cách đưa hai mạng thần kinh cạnh tranh với nhau trong một cuộc thi. Họ đã tạo ra làn sóng khuôn mặt do AI tạo ra đầy thuyết phục đầu tiên và vẫn là một ý tưởng mang tính bước ngoặt trong lĩnh vực AI tạo ra.
Hai mạng cạnh tranh trong GAN là gì?
GAN ghép nối một trình tạo, tạo ra các mẫu giả, với một trình phân biệt đối xử, cố gắng phân biệt dữ liệu thực với các mẫu giả của trình tạo.
Trình tạo bắt đầu từ đâu khi tạo mẫu mới?
Trình tạo biến đổi vectơ nhiễu ngẫu nhiên thành mẫu tổng hợp, học cách định hình nhiễu đó thành đầu ra thực tế.
Máy phát điện cải thiện như thế nào trong quá trình đào tạo?
Trình tạo không bao giờ nhìn thấy dữ liệu thực trực tiếp; nó cải thiện bằng cách sử dụng phản hồi (độ dốc) mà bộ phân biệt đối xử cung cấp về mức độ giả mạo đầu ra của nó.
'Chế độ thu gọn' trong GAN là gì?
Sự sụp đổ chế độ xảy ra khi trình tạo tìm thấy một số đầu ra đánh lừa bộ phân biệt và tiếp tục tạo ra chúng, làm mất tính đa dạng.
Ai đã giới thiệu GAN và vào năm nào?
Ian Goodfellow và các đồng nghiệp đã giới thiệu GAN vào năm 2014, khởi động một làn sóng nghiên cứu về các mô hình tạo sinh đối nghịch.