Nvidia favoloso falsi decomprimere la scatola nera di AI

0
52

Zero

Che cosa sono le reti neurali in realtà fa?

Che è la questione della “scatola nera” della IA che è stato molto dibattuto negli ultimi anni. Questa settimana, la macchina di apprendimento gli scienziati della Nvidia relazione alcuni progressi nella comprensione di quello che sta succedendo.

In una bravura visualizzazione di falsi viso le immagini, i ricercatori sostengono un nuovo modo di separare gli aspetti di immagini che la rete neurale “vede” al più alto livello, quali l’orientamento di un oggetto, e a un livello basso, come i dettagli di texture.

I risultati, mostrati in un video postato dal team, sono alcune delle più belle falsi mai evocato dall’ormai familiare tecniche di “generativo del contraddittorio reti” o GANs, l’innovazione introdotta nel 2014.

Anche: Nvidia AI punti ricerca di un’evoluzione del chip business

Nel libro, “Uno Stile Basato su Generatore di Architettura Generativa Contraddittorio Reti”, pubblicato giovedì su arXiv pre-server di stampa, Nvidia ricercatori Tero Karras, Samuli Laine e Timo Aila costruire sul lavoro che hanno fatto un anno prima, facendo finta colpi alla testa con GANs.

La motivazione, espressa davanti, è quello di ottenere una maniglia su che cosa GANs stanno facendo.

“I generatori di continuare ad operare come scatole nere”,” scrivono, “e, nonostante i recenti sforzi, la comprensione di vari aspetti dell’immagine di sintesi del processo […] è ancora carente.”

Come risultato, non c’è “nessun quantitativo modo per confrontare le diverse generatori contro l’altro.”

3524fd21-91f5-4fe0-9da5-5fee7732f612.jpg

Falso facce lungo la riga superiore di fornire lo “stile” di caratteristiche che possono essere combinati con origine falsi nella colonna di sinistra, la creazione di una vasta gamma di falsi nel centro dell’immagine.

Nvidia Inc.

Il punto cruciale della loro soluzione è inserire un pezzo nella loro rete neurale che separa ciò che il termine “alto livello” funzioni di facce, come ad esempio l’angolo della testa, dal basso livello di caratteristiche come il tono della pelle.

Così facendo, gli autori sono stati in grado di formare la rete per creare nuove immagini regolando tali caratteristiche o proprietà, indipendentemente l’uno dall’altro. Che di base l’approccio su qualcosa chiamato “stile di trasferimento”, un modo per generare immagini in grado di copiare le tecniche del pennello di Vincent Van Gogh, per dire, e la mappa su una foto di una scena di strada per creare una nuova immagine in stile dell’artista.

Anche: Facebook Oculus ricerca di artigianato strano miscuglio di John Oliver e Stephen Colbert

Utilizzando una tecnica chiamata “adaptive istanza di normalizzazione,” o “AdaIN,” introdotta lo scorso anno dalla Cornell University ricercatori Xun Huang Serge Belongie, di alto livello e basso livello di funzioni, che possono essere estratti da ogni immagine per creare uno stile.

Nvidia team ha aggiunto un tocco in più: si possono manipolare i diversi livelli di funzionalità, di alto livello a basso livello, liberamente, molto più agile modo di mescolare e abbinare le proprietà dei volti, dalla dimensione della testa in giù per le lentiggini.

Attraverso l’ottimizzazione di immagini, in questo modo, le implicazioni teoriche è più chiaro quello che in rete si sta facendo in ogni istanza del suo processo, una sorta di finestra nel suo funzionamento.

L’effetto pratico è la capacità di rapidamente, senza fatica “morph” falsi colpi alla testa regolando i controlli in software facilmente come modificare il colore di un’immagine in Photoshop, che si può vedere dimostrato nel video.

Deve leggere

‘IA è molto, molto stupido”, dice Google AI leader (CNET)Baidu crea Kunlun di silicio per AIUnified Google IA divisione di un chiaro segnale di AI del futuro (TechRepublic

Un suggestivo ulteriore scoperta è che il GAN hanno creato è ora al lavoro per molto meno informazioni rispetto al passato falsi. Piuttosto che faticosamente “mappatura” da pixel di un’immagine ad un’altra per il trasferimento di stili, utilizzando solo i segnali di stile che riceve dal AdaIN.

Come scrivono gli autori, “la troviamo abbastanza singolare che la sintesi di rete è in grado di produrre risultati significativi, anche se non riceve l’input solo attraverso gli stili che controllano il AdaIN operazioni.”

Pensate a come il Mr. Potato Head di colpi alla testa. Falsi non sarà mai più la stessa.

Precedente e relativa copertura:

Che cosa è l’IA? Tutto quello che devi sapere

Un esecutivo a guida di intelligenza artificiale, machine learning e generale AI alle reti neurali.

Cos’è il deep learning? Tutto quello che devi sapere

Il lowdown su deep learning: da come si relaziona con il più ampio campo di machine learning a come iniziare con esso.

Che cosa è macchina di apprendimento? Tutto quello che devi sapere

Questa guida spiega in cosa consiste la macchina di apprendimento, di come esso è legato all’intelligenza artificiale, come funziona e perché è importante.

Che cos’è il cloud computing? Tutto quello che devi sapere su

Un’introduzione al cloud computing destra, dalle nozioni di base fino a IaaS e PaaS, ibrido, public e private cloud.

Argomenti Correlati:

Sviluppatore

La Trasformazione Digitale

CXO

Internet delle Cose

L’innovazione

Enterprise Software

0