شبکه عصبی NVIDIA به شما امکان می دهد یک حیوان خانگی را مانند حیوانات دیگر تصور کنید

همه کسانی که در خانه حیوان خانگی نگهداری می کنند آنها را دوست دارند. با این حال، آیا سگ مورد علاقه شما اگر از نژاد دیگری بود، زیباتر به نظر می رسید؟ به لطف ابزار جدیدی از NVIDIA به نام GANimals، می‌توانید ارزیابی کنید که آیا حیوان خانگی مورد علاقه‌تان اگر حیوان دیگری بود، زیباتر به نظر می‌رسید یا خیر.

در اوایل سال جاری، NVIDIA Research قبلا شگفت زده شده است کاربران اینترنت با ابزار GauGAN خود، که به او اجازه می‌داد طرح‌های خشن را به تصاویر تقریباً واقعی واقعی تبدیل کند. این ابزار از کاربران می خواست که با انتخاب رنگ قلم مو مناسب، مشخص کنند که کدام قسمت های تصویر باید آب، درختان، کوه ها و سایر نشانه ها باشد، اما GANimals کاملاً خودکار عمل می کند. تنها کاری که باید انجام دهید این است که یک عکس از حیوان خانگی خود آپلود کنید و یک سری تصاویر واقعی از حیوانات دیگر ایجاد می کند که "حالت صورت" نمونه را حفظ می کند.

شبکه عصبی NVIDIA به شما امکان می دهد یک حیوان خانگی را مانند حیوانات دیگر تصور کنید

این هفته، محققان در مقاله ای که در کنفرانس بین المللی بینایی کامپیوتر در سئول، کره ارائه شد، الگوریتمی را که توسعه دادند، شرح دادند. FUNIT. مخفف چند شات، ترجمه تصویر به تصویر بدون نظارت است. هنگام استفاده از هوش مصنوعی برای تبدیل ویژگی های یک تصویر منبع به یک تصویر هدف، هوش مصنوعی معمولاً باید روی مجموعه بزرگی از تصاویر هدف با سطوح مختلف نور و زوایای دوربین آموزش داده شود تا نتایج واقعی به نظر برسد. اما ایجاد چنین پایگاه داده تصویر بزرگی زمان زیادی می برد و قابلیت های شبکه عصبی را محدود می کند. اگر هوش مصنوعی برای تبدیل جوجه ها به بوقلمون آموزش دیده باشد، این تنها کاری است که به خوبی انجام خواهد داد.

در مقایسه، الگوریتم FUNIT را می توان تنها با استفاده از چند تصویر از حیوان مورد نظر که به طور مکرر روی آن تمرین می شود، آموزش داد. هنگامی که الگوریتم به اندازه کافی آموزش داده شد، تنها به یک تصویر از حیوانات مبدأ و هدف نیاز دارد که می تواند کاملاً تصادفی باشد و قبلاً هرگز پردازش یا تجزیه و تحلیل نشده است.


شبکه عصبی NVIDIA به شما امکان می دهد یک حیوان خانگی را مانند حیوانات دیگر تصور کنید

علاقه مندان می توانند GANanimals را در این آدرس امتحان کنند زمین بازی NVIDIA AI، اما تا کنون نتایج با وضوح پایین و برای چیزی غیر از اهداف آموزشی یا برای ارضای کنجکاوی مناسب نیستند. محققان امیدوارند در نهایت توانایی‌های هوش مصنوعی و الگوریتم را بهبود بخشند تا به زودی تغییر چهره افراد بدون تکیه بر پایگاه‌های داده عظیمی از تصاویری که به دقت انتخاب شده‌اند، ممکن شود.



منبع: 3dnews.ru

اضافه کردن نظر