Visual AI Itọsọna
Onitẹsiwaju Dagba ti GANs
Idagba ilọsiwaju ṣe ikẹkọ GAN kan nipa bibẹrẹ ni awọn ipinnu kekere ati ṣafikun awọn fẹlẹfẹlẹ lati de awọn aworan ti o ga.
Gbọ si itọsọna yiiAI-ṣe afihan · ~2 min
Lori iwe yi2 min ka
Akopọ
O ṣe pataki nitori pe o jẹ ki iduroṣinṣin, megapixel-didara GAN iṣelọpọ wulo fun igba akọkọ.
Jin Dive
Agbekale nipasẹ Karras et al. (NVIDIA) ni ọdun 2017, idagbasoke ilọsiwaju (ProGAN) koju aisedeede ati idinku ti ikẹkọ GANs taara ni ipinnu giga. Mejeeji monomono ati iyasoto bẹrẹ kekere, ni awọn piksẹli 4 × 4, kikọ ẹkọ iwọn-nla nikan. Awọn ipele titun ti o ṣe ilọpo meji ipinnu (8x8, 16x16, to 1024x1024) lẹhinna ni afikun si awọn nẹtiwọọki mejeeji ni akoko ikẹkọ. Ni pataki, ipele tuntun kọọkan ti bajẹ ni laisiyonu ni lilo idapọ alpha laini nitorinaa nẹtiwọọki ko ni iyalẹnu nipasẹ iyipada ayaworan lojiji. Nipa kikọ awọn ẹya isokuso ṣaaju awọn alaye ti o dara, ikẹkọ jẹ iduroṣinṣin diẹ sii, papọ ni iyara, ati gbejade awọn oju-iṣotitọ giga ti o jẹ ki awọn abajade CelebA-HQ olokiki. Iwe naa tun ṣafihan iyapa boṣewa minibatch ati awọn oṣuwọn ikẹkọ dọgba lati mu ikẹkọ siwaju sii.
Real-World imuse
Training on CelebA-HQ to generate synthetic high-resolution face samples.
Studying GAN synthesis on LSUN scene categories.
Understanding the staged architecture that the original StyleGAN extended.
Comparing coarse-to-fine schedules with later fixed-architecture GAN training.
Ojo iwaju ti Idagba Ilọsiwaju ti GANs
Idagba ilọsiwaju ni ipilẹ StyleGAN ti a ṣe lori, ṣugbọn StyleGAN2 nigbamii fihan pe faaji ti o wa titi pẹlu awọn asopọ fo ati awọn bulọọki aloku le baamu didara rẹ laisi iṣeto ti iṣeto, nitorinaa idagbasoke ti o han gbangba ṣubu ni ojurere. Ijogunba jinle si wa: iran isokuso-si-itanran ni bayi han ni itankale iwọn-pupọ, awọn opo pipe-ipinnu nla, ati awọn agbesoke aaye wiwaba. Lílóye ìdàgbàsókè onítẹ̀síwájú ṣì níyelórí fún lílóye ìdí tí ètò ìgbékalẹ̀ ìṣàkóso, kíkẹ́kọ̀ọ́ lọ́pọ̀lọpọ̀ sí gíga ń fi ìdánilẹ́kọ̀ọ́ ìdánilẹ́kọ̀ọ́ múlẹ̀.
Fifi o sinu iwa
Kini idi ti o ṣe pataki
- Iyara ati iwọn. Visual AI le ṣe adaṣe adaṣe, wiwa, ati awọn iṣẹ ṣiṣe taagi ni iwọn.
- Kọ awọn yiyan. Awọn ẹgbẹ ẹda le ṣe apẹrẹ awọn imọran yiyara pẹlu awọn atunyẹwo afọwọṣe diẹ.
- Ẹgbẹ ati ṣiṣan iṣẹ. Awọn iṣẹ ṣiṣe le lo aworan ati awọn ifihan agbara fidio ti o nira tẹlẹ lati ṣiṣẹ.
Ṣọra fun
- Awọn ẹtọ aworan ati igbanilaaye le di awọn eewu labẹ ofin ti o ba jẹ afihan.
- Iṣe awoṣe le yatọ kọja ina, awọn ẹda eniyan, ati awọn agbegbe.
- Awọn idaniloju eke le ma ṣe akiyesi ayafi ti a ba ṣe abojuto awọn ala igbẹkẹle.
Next awọn igbesẹ
- Ṣetumo awọn ibeere gbigba fun pipe, iranti, ati awọn idiyele aṣiṣe.
- Ṣe idanwo pẹlu data ti o baamu awọn ipo iṣelọpọ gidi.
- Ṣafikun atunyẹwo eniyan fun igbẹkẹle kekere tabi awọn asọtẹlẹ ipa-giga.
- Tọpinpin awoṣe ki o ṣe tunṣe lẹhin kamẹra tabi awọn ayipada datasetto.
Tesiwaju Ṣiṣawari
Ìwé ìròyìn ọfẹ
Gba ìkànìyàn AI ojoojúmọ́
Ìtàn AI mẹta tó jẹ́rìí ní gbogbo owurọ́ ọjọ́ iṣẹ́, kọ́wé ní Gẹ̀ẹ́sì tó rọrùn. Ọfẹ́ fún gbogbo àkókò, kò sí ìpolówó.
Ìmeèlì kan ní gbogbo ọjọ́ iṣẹ́. Yọkúrò ní ìkànìyàn ní ìkànìyàn kan. A kò ta tàbí pín àdírẹ́sì rẹ.
Ṣe idanwo fun ara rẹ
Take the Progressive Growing of GANs quiz
Ìdáhùn lẹ́sẹ̀kẹsẹ̀ lórí gbogbo ìdáhùn, àti iwe-ẹ̀rí tó lè pin pẹ̀lú ID tó lè jẹ́rìí lẹ́yìn tí o bá kọ́ ẹ̀kọ́.
Ṣe àtìlẹ́yìn ẹ̀kọ́ AI ọfẹ́. AI Understanding jẹ́ àjọ àìní èrè 501(c)(3) — kò sí ìpolówó, kò sí àkúnya owó, ní gbogbo àkókò. Ṣe ẹbun kan
Awọn ibeere ti a beere nigbagbogbo
Kini Idagba Ilọsiwaju ti GANs?
Idagba ilọsiwaju ṣe ikẹkọ GAN kan nipa bibẹrẹ ni awọn ipinnu kekere ati ṣafikun awọn fẹlẹfẹlẹ lati de awọn aworan ti o ga. O ṣe pataki nitori pe o jẹ iduroṣinṣin, iṣelọpọ GAN didara megapixel wulo fun igba akọkọ.
Bawo ni GAN ti o dagba ni ilọsiwaju bẹrẹ ikẹkọ?
Ikẹkọ bẹrẹ ni 4x4, nibiti awọn nẹtiwọọki ti kọ ẹkọ igbekalẹ, ṣaaju ki o to ṣafikun awọn ipele ti o ga julọ.
Kini anfani akọkọ ti ipinnu idagbasoke diẹdiẹ?
Kikọ awọn ẹya isokuso akọkọ ṣeduro ikẹkọ ati isọdọkan iyara ni akawe pẹlu ikọlu ipinnu ni kikun lati ibẹrẹ.
Nigba ti titun kan ti o ga-o ga Layer ti wa ni afikun, bawo ni a ṣe o?
Ipare laini kan ṣe idapọ iṣelọpọ ti Layer tuntun pẹlu iṣelọpọ iwọn kekere ti iṣagbega ki nẹtiwọọki badọgba diẹdiẹ.
Kilode ti a fi kun awọn fẹlẹfẹlẹ si mejeji monomono ati iyasoto?
Awọn nẹtiwọọki mejeeji dagba ni isọdọkan nitorinaa iyasọtọ le tẹsiwaju ṣiṣe iṣiro awọn aworan ni ipinnu lọwọlọwọ monomono.
Kini idi ti Layer iyapa boṣewa minibatch ti a ṣafihan ni ProGAN?
O ṣe afikun eekadẹri kan nipa iyatọ ipele, ni iyanju olupilẹṣẹ lati gbejade awọn abajade oniruuru kuku ju iṣubu.
Tesiwaju kikọ
Jẹmọ awọn itọsọna
Awọn itọsọna diẹ sii ti a yan fun koko yii