Tổng quan
Mất cảm giác đo lường mức độ giống nhau của hai hình ảnh đối với con người bằng cách so sánh các đặc điểm của mạng lưới thần kinh sâu thay vì các pixel thô. Điều này quan trọng vì việc so sánh từng pixel sẽ xử lý sai những thay đổi nhỏ và làm mờ chi tiết, trong khi sự mất mát về cảm nhận sẽ mang lại kết quả sắc nét, chân thực.
Mất tri giác và LPIPS thuộc về quy trình thị giác máy tính diễn giải hoặc tạo ra phương tiện trực quan để phân tích, vận hành và sáng tạo.
Lặn sâu
Những mất mát truyền thống như L2 (lỗi bình phương trung bình) so sánh hình ảnh theo từng pixel, do đó, sự thay đổi một pixel hoặc kết cấu hơi khác trông giống như một lỗi lớn ngay cả khi con người hầu như không nhận thấy. Thay vào đó, mất cảm giác chạy cả hai hình ảnh thông qua mạng được huấn luyện trước (thường là VGG) và so sánh kích hoạt từ các lớp trung gian. Vì những tính năng đó mã hóa các cạnh, kết cấu và các bộ phận đối tượng thay vì giá trị pixel chính xác nên mức độ mất dữ liệu sẽ phù hợp hơn với phán đoán của con người, khuyến khích kết quả đầu ra sắc nét, trung thực về mặt ngữ nghĩa. LPIPS (Tính tương tự của bản vá hình ảnh nhận thức đã học), được giới thiệu bởi Zhang và cộng sự. vào năm 2018, chính thức hóa điều này: nó trích xuất các đặc điểm sâu sắc, bình thường hóa chúng và áp dụng các trọng số đã học được hiệu chỉnh theo hàng nghìn đánh giá về sự giống nhau của con người, tạo ra một điểm khoảng cách duy nhất trong đó thấp hơn có nghĩa là giống nhau hơn về mặt nhận thức.
Hiểu biết kỹ thuật
LPIPS chuyển cả hai hình ảnh qua một đường trục cố định (VGG, AlexNet hoặc SqueezeNet), chuẩn hóa đơn vị kích hoạt kênh ở một số lớp, sau đó lấy chênh lệch bình phương ở mỗi vị trí không gian. Một tập hợp nhỏ các trọng số đã học trên mỗi kênh sẽ chia tỷ lệ những khác biệt đó trước khi chúng được tính trung bình theo không gian và tính tổng giữa các lớp. Các trọng số đó đã được huấn luyện trên tập dữ liệu BAPPS về các phán đoán bắt buộc có hai lựa chọn thay thế của con người, do đó, số liệu này phản ánh những gì mọi người thực sự cảm nhận được hơn là khoảng cách tính năng thô.
Nắm vững sự mất mát cảm nhận và LPIPS
Mất cảm giác đo lường mức độ giống nhau của hai hình ảnh đối với con người bằng cách so sánh các đặc điểm của mạng lưới thần kinh sâu thay vì các pixel thô. Điều này quan trọng vì việc so sánh từng pixel sẽ xử lý sai những thay đổi nhỏ và làm mờ chi tiết, trong khi sự mất mát về cảm nhận sẽ mang lại kết quả sắc nét, chân thực. Mất tri giác và LPIPS thuộc về quy trình thị giác máy tính diễn giải hoặc tạo ra phương tiện trực quan để phân tích, vận hành và sáng tạo. Để xây dựng sự hiểu biết sâu sắc, hãy coi Mất mát cảm nhận và LPIPS như một mô hình hoạt động chứ không phải một tính năng duy nhất: xác định kết quả mong muốn, làm rõ các giả định và tách biệt những gì hệ thống có thể làm một cách đáng tin cậy với những gì vẫn cần đến sự đánh giá của chuyên gia.
Trong thực tế, các nhóm mạnh sử dụng Mất cảm giác và LPIPS cân bằng độ chính xác với thực tế hoạt động như chất lượng dữ liệu, phương sai ánh sáng và tính nhất quán của nhãn. Họ ghi lại các tiêu chí thành công rõ ràng, kiểm tra dựa trên dữ liệu và quy trình làm việc thực tế, đồng thời lặp lại dựa trên các kiểu thất bại được quan sát thay vì chiến thắng điểm chuẩn một lần. Đây là nơi sự hiểu biết về mặt lý thuyết biến thành khả năng bền vững trên toàn bộ sản phẩm, chính sách và hoạt động.
Visual AI có thể tự động hóa các nhiệm vụ kiểm tra, phát hiện và gắn thẻ trên quy mô lớn. Đồng thời, quyền về hình ảnh và sự đồng ý có thể trở thành rủi ro pháp lý nếu nguồn gốc xuất xứ không rõ ràng. Cách tiếp cận linh hoạt nhất là kết hợp tốc độ thử nghiệm với kỷ luật quản trị: chạy thử nghiệm, thu thập bằng chứng, xuất bản nhật ký quyết định và liên tục cập nhật các biện pháp bảo vệ khi hành vi của mô hình, kỳ vọng của người dùng và các yêu cầu pháp lý phát triển.
Tác động chiến lược
Visual AI có thể tự động hóa các nhiệm vụ kiểm tra, phát hiện và gắn thẻ trên quy mô lớn.
Visual AI có thể tự động hóa các nhiệm vụ kiểm tra, phát hiện và gắn thẻ trên quy mô lớn. Trong quá trình triển khai chất lượng cao, điều này được chuyển thành các quy tắc vận hành, ranh giới quyền sở hữu và quy trình đánh giá định kỳ có thể đo lường được để các nhóm có thể mở rộng quy mô một cách tự tin thay vì mở rộng quy mô sự mơ hồ.
Các nhóm sáng tạo có thể tạo nguyên mẫu nhanh hơn với ít sửa đổi thủ công hơn.
Các nhóm sáng tạo có thể tạo nguyên mẫu nhanh hơn với ít sửa đổi thủ công hơn. Trong quá trình triển khai chất lượng cao, điều này được chuyển thành các quy tắc vận hành, ranh giới quyền sở hữu và quy trình đánh giá định kỳ có thể đo lường được để các nhóm có thể mở rộng quy mô một cách tự tin thay vì mở rộng quy mô sự mơ hồ.
Các hoạt động có thể sử dụng tín hiệu hình ảnh và video mà trước đây khó xử lý.
Các hoạt động có thể sử dụng tín hiệu hình ảnh và video mà trước đây khó xử lý. Trong quá trình triển khai chất lượng cao, điều này được chuyển thành các quy tắc vận hành, ranh giới quyền sở hữu và quy trình đánh giá định kỳ có thể đo lường được để các nhóm có thể mở rộng quy mô một cách tự tin thay vì mở rộng quy mô sự mơ hồ.
Triển khai trong thế giới thực
Đào tạo các mạng siêu phân giải (ví dụ: SRGAN) để ảnh được nâng cấp trông sắc nét và có kết cấu thay vì mờ.
Đánh giá khả năng nén hình ảnh và codec bằng cách cho điểm mức độ gần gũi của hình ảnh được giải mã với hình ảnh gốc.
Hướng dẫn chuyển kiểu, trong đó nội dung được khớp thông qua các tính năng VGG sâu thay vì pixel chính xác.
Đo điểm chuẩn GAN và trình tạo hình ảnh khuếch tán bằng cách báo cáo khoảng cách LPIPS giữa hình ảnh được tạo và hình ảnh thực.
Các mẫu triển khai
Mất tri giác và LPIPS trong thực tế
Đào tạo các mạng siêu phân giải (ví dụ: SRGAN) để ảnh được nâng cấp trông sắc nét và có kết cấu thay vì mờ.
Đào tạo các mạng siêu phân giải (ví dụ: SRGAN) để ảnh được nâng cấp trông sắc nét và có kết cấu thay vì bị mờ. Các nhóm thường đạt được kết quả tốt hơn khi họ xác định trước các ngưỡng chất lượng, duy trì lộ trình leo thang của con người đối với các trường hợp khó khăn và theo dõi cả mức tăng năng suất và chi phí lỗi theo thời gian.
Mất tri giác và LPIPS trong thực tế
Đánh giá khả năng nén hình ảnh và codec bằng cách cho điểm mức độ gần gũi của hình ảnh được giải mã với hình ảnh gốc.
Đánh giá khả năng nén hình ảnh và codec bằng cách chấm điểm mức độ cảm nhận của hình ảnh được giải mã so với hình ảnh ban đầu. Các Nhóm thường đạt được kết quả tốt hơn khi họ xác định trước các ngưỡng chất lượng, duy trì lộ trình leo thang của con người đối với các trường hợp khó khăn và theo dõi cả mức tăng năng suất và chi phí lỗi theo thời gian.
Mất tri giác và LPIPS trong thực tế
Hướng dẫn chuyển kiểu, trong đó nội dung được khớp thông qua các tính năng VGG sâu thay vì pixel chính xác.
Hướng dẫn chuyển kiểu, trong đó nội dung được khớp thông qua các tính năng VGG sâu thay vì pixel chính xác. Các nhóm thường đạt được kết quả tốt hơn khi họ xác định trước ngưỡng chất lượng, duy trì lộ trình leo thang của con người đối với các trường hợp khó khăn và theo dõi cả mức tăng năng suất và chi phí lỗi theo thời gian.
Mất tri giác và LPIPS trong thực tế
Đo điểm chuẩn GAN và trình tạo hình ảnh khuếch tán bằng cách báo cáo khoảng cách LPIPS giữa hình ảnh được tạo và hình ảnh thực.
Đo điểm chuẩn GAN và trình tạo hình ảnh khuếch tán bằng cách báo cáo khoảng cách LPIPS giữa hình ảnh được tạo và hình ảnh thực Các nhóm thường đạt được kết quả tốt hơn khi họ xác định trước ngưỡng chất lượng, theo dõi lộ trình leo thang của con người đối với các trường hợp phức tạp và theo dõi cả mức tăng năng suất và chi phí lỗi theo thời gian.
Rủi ro & lan can
Quyền và sự đồng ý về hình ảnh có thể trở thành rủi ro pháp lý nếu nguồn gốc xuất xứ không rõ ràng.
Hiệu suất của mô hình có thể khác nhau tùy theo ánh sáng, nhân khẩu học và môi trường.
Kết quả dương tính giả có thể không được chú ý trừ khi ngưỡng tin cậy được theo dõi.
Lộ trình thực hiện
Xác định tiêu chí chấp nhận về độ chính xác, thu hồi và chi phí lỗi.
Xác định tiêu chí chấp nhận về độ chính xác, thu hồi và chi phí lỗi. Hãy coi mỗi bước như một cổng bằng chứng: nếu không đáp ứng được các tiêu chí, hãy tạm dừng triển khai, thu hẹp khoảng cách và chỉ sau đó mới mở rộng mức sử dụng.
Kiểm tra với dữ liệu phù hợp với điều kiện sản xuất thực tế.
Kiểm tra với dữ liệu phù hợp với điều kiện sản xuất thực tế. Hãy coi mỗi bước như một cổng bằng chứng: nếu không đáp ứng được các tiêu chí, hãy tạm dừng triển khai, thu hẹp khoảng cách và chỉ sau đó mới mở rộng mức sử dụng.
Thêm đánh giá của con người đối với những dự đoán có độ tin cậy thấp hoặc tác động cao.
Thêm đánh giá của con người đối với những dự đoán có độ tin cậy thấp hoặc tác động cao. Hãy coi mỗi bước như một cổng bằng chứng: nếu không đáp ứng được các tiêu chí, hãy tạm dừng triển khai, thu hẹp khoảng cách và chỉ sau đó mới mở rộng mức sử dụng.
Theo dõi sự trôi dạt của mô hình và xác nhận lại sau khi thay đổi máy ảnh hoặc tập dữ liệu.
Theo dõi sự trôi dạt của mô hình và xác nhận lại sau khi thay đổi máy ảnh hoặc tập dữ liệu. Hãy coi mỗi bước như một cổng bằng chứng: nếu không đáp ứng được các tiêu chí, hãy tạm dừng triển khai, thu hẹp khoảng cách và chỉ sau đó mới mở rộng mức sử dụng.