Noll
Vad är neurala nätverk faktiskt gör?
Det är frågan om den “svarta lådan” av AI som har diskuterats mycket under senare år. Denna vecka, maskininlärning forskare vid Nvidia rapportera några framsteg i att förstå vad som händer.
I en bravura visning av falska ansikts bilder, forskare ett nytt sätt för att skilja ut de aspekter av bilder som det neurala nätet “ser” på en hög nivå, såsom läggning av ett objekt, och på en låg nivå, till exempel information om struktur.
Resultaten, som visas i en video postad av laget, är några av de mest fantastiska förfalskningar någonsin trollade med nu kända metoder för “generativ kontradiktoriska nätverk”, eller GANs, en innovation först infördes tillbaka 2014.
Också: Nvidia AI-forskning pekar på en utveckling av chip företag
I artikeln “A Style-Baserade Generator Arkitektur för Generativ Kontradiktoriska Nätverk”, publicerad torsdag på arXiv pre-print servers, Nvidia forskare Tero Karras, Samuli Laine, och Timo Aila bygga vidare på det arbete de gjorde ett år tidigare att göra falska headshots med GANs.
Motivation, uttryckt på framsidan, är att få ett grepp om vad GANs gör.
“Den generatorer fortsätta att fungera som “svarta lådor”,” skriver de, “och trots den senaste tidens ansträngningar, förståelse för olika aspekter av bilden syntes process […] saknas fortfarande.”
Som ett resultat, det är “inga kvantitativa sätt att jämföra olika generatorer mot varandra.”
Falska ansikten längs översta raden ger en “stil” funktioner som kan kombineras med källa förfalskningar i den vänstra kolumnen, att skapa ett brett utbud av förfalskningar i mitten av bilden.
Nvidia Inc.
Den springande punkten i deras lösning är att sätta in en extra bit in i deras neurala nätverk som skiljer ut vad begreppet “hög nivå” har av ansikten, såsom vinkel på huvudet, från låg nivå funktioner såsom hudton.
Genom att göra så, var författarna möjlighet att träna nätverket för att skapa sin nya bilder genom att justera dessa funktioner eller egenskaper, oberoende av varandra. De basera strategin på något som kallas “stil överföring,” ett sätt att skapa bilder som kan kopiera borste tekniker för en Vincent Van Gogh, säga och karta det på ett foto av en gata scen för att skapa en ny bild i samma stil som konstnär.
Också: Facebook Oculus forskning hantverk konstigt mashup av John Oliver och Stephen Colbert
Med hjälp av en teknik som kallas för “adaptiv exempel normalisering” eller “AdaIN,” som infördes förra året av Cornell University forskare Xun Huang Serge Belongie, hög-nivå och låg-nivå funktioner som kan utvinnas ur varje bild för att skapa en style.
Nvidia laget till en twist: de kan manipulera olika nivåer av funktioner, hög nivå till en lägre nivå fritt, ett mycket smidigare sätt att mixa och matcha de egenskaper ansikten, från huvudet storlek på ner till fräknar.
Genom att trimma bilder på ett sådant sätt, att den teoretiska implikationer det är tydligare vad nätverket gör vid varje instans av sin process, en typ av fönster i sin verksamhet.
Den praktiska effekten är förmågan att snabbt, enkelt “morph” falska headshots genom att justera kontroller i programvara lika lätt som du skulle ändra färgen på en bild i Photoshop, som du kan se framgår i videon.
Måste läsa
‘AI är mycket, mycket dumt”, säger Googles AI ledare (CNET)Baidu skapar Kunlun kisel för AIUnified Google AI division en tydlig signal om att AI: s framtid (TechRepublic
En slående ytterligare upptäckt är att GAN de skapade arbetar nu mycket mindre information än tidigare förfalskningar. Snarare än att mödosamt “kartläggning” från pixlar i en bild till en annan för att överföra stilar, det är bara använda den stil referenser den får från den AdaIN.
Som författarna skriver, “Vi tycker att det är ganska anmärkningsvärt att det syntes nätverk kan ge meningsfulla resultat även om det tar emot indata endast genom de stilar som styr AdaIN verksamhet.”
Tänk på det som Mr. Potato Head för headshots. Förfalskningar kommer aldrig att bli den samma igen.
Tidigare och relaterade täckning:
Vad är AI? Allt du behöver veta
En verkställande guide till artificiell intelligens, från maskininlärning och allmänna AI att neurala nätverk.
Vad är djupt lärande? Allt du behöver veta
Lowdown på djupt lärande: från hur det förhåller sig till de bredare fält av maskinen lärande genom hur man kommer igång med det.
Vad är lärande? Allt du behöver veta
Denna guide förklarar vad lärande är, hur den är relaterad till artificiell intelligens, hur det fungerar och varför det är viktigt.
Vad är cloud computing? Allt du behöver veta om
En introduktion till cloud computing rätt från grunderna upp till IaaS och PaaS, hybrid, offentliga och privata moln.
Relaterade Ämnen:
Utvecklare
Digital Omvandling
CXO
Sakernas Internet
Innovation
Affärssystem
0