NVIDIA को न्यूरल नेटवर्कले तपाईंलाई आफ्नो पाल्तु जनावरलाई अर्को जनावरको रूपमा कल्पना गर्न अनुमति दिन्छ

घरमा पाल्तु जनावर राख्ने सबैले तिनीहरूलाई माया गर्छन्। यद्यपि, यदि तपाइँको प्यारो कुकुर फरक नस्ल भएको भए अझ प्यारो देखिने थियो? NVIDIA बाट GANimals भनिने नयाँ उपकरणको लागि धन्यवाद, तपाईंले आफ्नो मनपर्ने पाल्तु जनावर फरक जनावर भएको भए अझ प्यारो देखिनेछ कि भनेर मूल्याङ्कन गर्न सक्नुहुन्छ।

यस वर्षको सुरुमा, NVIDIA अनुसन्धान पहिले नै आश्चर्यचकित उनको GauGAN उपकरणको साथ इन्टरनेट प्रयोगकर्ताहरू, जसले उनलाई कुनै न कुनै स्केचहरू लगभग फोटोरियलिस्टिक छविहरूमा बदल्न अनुमति दिए। यो उपकरणले प्रयोगकर्ताहरूलाई उपयुक्त ब्रश रंग चयन गरेर छविको कुन भागहरू पानी, रूखहरू, पहाडहरू र अन्य स्थलचिन्हहरू हुनुपर्छ निर्दिष्ट गर्न आवश्यक छ, तर GANimals ले पूर्ण रूपमा स्वचालित रूपमा काम गर्दछ। तपाईले गर्नु पर्ने भनेको तपाईको घरपालुवा जनावरको फोटो अपलोड गर्नु हो, र यसले नमूनाको "अनुहारको अभिव्यक्ति" कायम राख्ने अन्य जनावरहरूको फोटोरियलिस्टिक छविहरूको श्रृंखला सिर्जना गर्दछ।

यो हप्ता, कोरियाको सियोलमा भएको कम्प्युटर भिजनको अन्तर्राष्ट्रिय सम्मेलनमा प्रस्तुत गरिएको एउटा पेपरमा, अन्वेषकहरूले आफूले विकास गरेको एल्गोरिथ्म वर्णन गरे - FUNIT। यो Few-shot, UN-supervised Image-to-Image Translation को लागि खडा हुन्छ। स्रोत छविका विशेषताहरूलाई लक्षित छविमा रूपान्तरण गर्न आर्टिफिसियल इन्टेलिजेन्स प्रयोग गर्दा, आर्टिफिसियल इन्टेलिजेन्सलाई सामान्यतया वास्तविक देखिने परिणामहरू उत्पादन गर्न विभिन्न प्रकाश स्तरहरू र क्यामेरा कोणहरू भएका लक्ष्य छविहरूको ठूलो संग्रहमा प्रशिक्षित गर्न आवश्यक छ। तर यस्तो ठूलो छवि डाटाबेस सिर्जना गर्न लामो समय लाग्छ र न्यूरल नेटवर्कको क्षमताहरू सीमित गर्दछ। यदि एआईलाई कुखुरालाई टर्कीमा परिणत गर्न तालिम दिइयो भने, यो मात्र राम्रो हुनेछ।

तुलनामा, FUNIT एल्गोरिथ्मलाई लक्षित जनावरका केही छविहरू प्रयोग गरेर तालिम दिन सकिन्छ जसमा यो बारम्बार अभ्यास गरिन्छ। एक पटक एल्गोरिथ्म पर्याप्त रूपमा प्रशिक्षित भएपछि, यसलाई केवल स्रोत र लक्षित जनावरहरूको एउटा छवि चाहिन्छ, जुन पूर्ण रूपमा अनियमित हुन सक्छ र पहिले कहिल्यै प्रशोधन वा विश्लेषण गरिएको छैन।

ती इच्छुकहरूले GANanimals मा प्रयास गर्न सक्नुहुन्छ NVIDIA AI खेल मैदान, तर अहिलेसम्म नतिजाहरू कम रिजोल्युसन भएका छन् र शैक्षिक उद्देश्यहरू वा जिज्ञासा पूरा गर्न बाहेक अरू कुनै कुराको लागि उपयुक्त छैनन्। अन्वेषकहरूले अन्ततः एआई र एल्गोरिदमको क्षमताहरू सुधार गर्ने आशा राख्छन् ताकि सावधानीपूर्वक क्युरेट गरिएका छविहरूको विशाल डाटाबेसमा भर नपर्ने मानिसहरूको अनुहार परिवर्तन गर्न चाँडै सम्भव हुनेछ।

स्रोत: 3dnews.ru