បណ្តាញសរសៃប្រសាទ NVIDIA អនុញ្ញាតឱ្យអ្នកស្រមៃសត្វចិញ្ចឹមដូចជាសត្វដទៃទៀត

មនុស្សគ្រប់គ្នាដែលទុកសត្វចិញ្ចឹមនៅផ្ទះស្រឡាញ់ពួកគេ។ យ៉ាង​ណា​មិញ តើ​ឆ្កែ​ជា​ទី​ស្រឡាញ់​របស់​អ្នក​នឹង​មើល​ទៅ​គួរ​ឲ្យ​ស្រឡាញ់​ជាង​នេះ​ដែរ​ឬ​ទេ បើ​វា​ជា​ពូជ​ផ្សេង? សូមអរគុណចំពោះឧបករណ៍ថ្មីពី NVIDIA ដែលមានឈ្មោះថា GANimals អ្នកអាចវាយតម្លៃថាតើសត្វចិញ្ចឹមដែលអ្នកចូលចិត្តមើលទៅគួរឱ្យស្រលាញ់ជាងប្រសិនបើវាជាសត្វផ្សេង។

កាលពីដើមឆ្នាំនេះ NVIDIA Research ភ្ញាក់ផ្អើលរួចហើយ អ្នកប្រើប្រាស់អ៊ិនធឺណិតជាមួយនឹងឧបករណ៍ GauGAN របស់គាត់ដែលអនុញ្ញាតឱ្យគាត់ប្រែក្លាយរូបភាពរដុបទៅជារូបភាពស្ទើរតែពិត។ ឧបករណ៍នេះតម្រូវឱ្យអ្នកប្រើប្រាស់បញ្ជាក់ផ្នែកណាមួយនៃរូបភាពគួរតែជាទឹក ដើមឈើ ភ្នំ និងកន្លែងសម្គាល់ផ្សេងទៀតដោយជ្រើសរើសពណ៌ជក់ដែលសមរម្យ ប៉ុន្តែ GANimals ដំណើរការដោយស្វ័យប្រវត្តិទាំងស្រុង។ អ្វីដែលអ្នកត្រូវធ្វើគឺបង្ហោះរូបថតសត្វចិញ្ចឹមរបស់អ្នក ហើយវានឹងបង្កើតជាស៊េរីនៃរូបភាពជាក់ស្តែងនៃសត្វដទៃទៀតដែលរក្សា "ការបញ្ចេញទឹកមុខ" នៃគំរូ។

នៅសប្តាហ៍នេះ នៅក្នុងឯកសារដែលបានបង្ហាញនៅក្នុងសន្និសីទអន្តរជាតិស្តីពីចក្ខុវិស័យកុំព្យូទ័រនៅទីក្រុងសេអ៊ូល ប្រទេសកូរ៉េ អ្នកស្រាវជ្រាវបានពិពណ៌នាអំពីក្បួនដោះស្រាយដែលពួកគេបានបង្កើត - សប្បាយ. វាតំណាងឱ្យ Few-shot, UNsupervised Image-to-image Translation។ នៅពេលប្រើបញ្ញាសិប្បនិមិត្ត ដើម្បីបំប្លែងលក្ខណៈនៃរូបភាពប្រភពទៅជារូបភាពគោលដៅ បញ្ញាសិប្បនិមិត្តជាធម្មតាត្រូវទទួលការបណ្តុះបណ្តាលលើបណ្តុំរូបភាពគោលដៅដ៏ធំដែលមានកម្រិតពន្លឺ និងមុំកាមេរ៉ាខុសៗគ្នា ដើម្បីបង្កើតលទ្ធផលដែលមើលទៅជាក់ស្តែង។ ប៉ុន្តែការបង្កើតមូលដ្ឋានទិន្នន័យរូបភាពដ៏ធំបែបនេះត្រូវចំណាយពេលច្រើន និងកំណត់សមត្ថភាពនៃបណ្តាញសរសៃប្រសាទ។ ប្រសិនបើ AI ត្រូវបានបណ្តុះបណ្តាលដើម្បីបង្វែរមាន់ទៅជាទួរគី នោះគឺជារឿងតែមួយគត់ដែលវានឹងធ្វើបានល្អ។

នៅក្នុងការប្រៀបធៀប ក្បួនដោះស្រាយ FUNIT អាចត្រូវបានបណ្តុះបណ្តាលដោយប្រើតែរូបភាពមួយចំនួននៃសត្វគោលដៅដែលវាត្រូវបានអនុវត្តម្តងហើយម្តងទៀត។ នៅពេលដែលក្បួនដោះស្រាយត្រូវបានបណ្តុះបណ្តាលគ្រប់គ្រាន់ វាត្រូវការរូបភាពតែមួយនៃប្រភព និងសត្វគោលដៅ ដែលអាចចៃដន្យទាំងស្រុង និងមិនធ្លាប់ត្រូវបានដំណើរការ ឬវិភាគពីមុនមក។

អ្នកដែលចាប់អារម្មណ៍អាចសាកល្បង GANanimals នៅ NVIDIA AI Playgroundប៉ុន្តែរហូតមកដល់ពេលនេះ លទ្ធផលមានគុណភាពបង្ហាញទាប និងមិនស័ក្តិសមសម្រាប់អ្វីផ្សេងក្រៅពីគោលបំណងអប់រំ ឬដើម្បីបំពេញការចង់ដឹងចង់ឃើញ។ អ្នកស្រាវជ្រាវសង្ឃឹមថានៅទីបំផុតនឹងធ្វើឱ្យប្រសើរឡើងនូវសមត្ថភាពរបស់ AI និង algorithm ដូច្នេះវានឹងអាចផ្លាស់ប្តូរមុខមនុស្សបានឆាប់ៗដោយមិនពឹងផ្អែកលើមូលដ្ឋានទិន្នន័យដ៏ធំនៃរូបភាពដែលបានរៀបចំដោយប្រុងប្រយ័ត្ន។

ប្រភព: 3dnews.ru