Nvidia создала Swapper для домашних животных, которые учатся на нескольких примерах

Большинству ИИ, которые манипулируют или трансформируют изображения, требуется большой объем обучающих данных, чтобы служить основой для его способностей. NVIDIA нашла способ обучить модель только одним входным изображением любого домашнего животного и несколькими примерами другого животного.
В недавней статье Nvidia объясняет возможности и цель создания этого нового подхода:
Несмотря на удивительный успех, современные методы требуют доступа ко многим изображениям в исходных и целевых классах во время обучения. Мы утверждаем, что это сильно ограничивает их использование. Черпая вдохновение из человеческой способности улавливать сущность нового объекта из небольшого числа примеров и обобщать оттуда, мы ищем неконтролируемый алгоритм преобразования изображения в изображение, который работает с ранее невидимыми целевыми классами, которые указано во время тестирования только несколькими примерами изображений. Наша модель достигает этой возможности генерации нескольких выстрелов, сочетая состязательную схему обучения с новым дизайном сети.
Nvidia называет учебную структуру своей сети «переводом малоизвестных изображений без присмотра» (FUNIT), потому что она учится только на нескольких примерах класса изображений (например, бигли, белые медведи) без непосредственного руководства человека. Значительно уменьшенный необходимый размер для обучающих наборов данных даст этому методу огромное преимущество перед текущими, поскольку он улучшается в будущем. На данный момент, это требует беспрепятственного домашнего животного, чтобы дать желаемые результаты. Хотя он технически работает с человеческими лицами, результаты часто попадают в категорию «жутких».

Хотя метод Nvidia в настоящее время служит только очень конкретной цели, а его ограничения приводят к заметным недостаткам, их работа показывает обещание гораздо более впечатляющих результатов через несколько итераций. Благодаря общедоступному коду, доступному каждому, на которого можно опираться (и общедоступной демонстрации для всех остальных), у качества FUNIT больше шансов достичь полезных результатов гораздо раньше.
Если смотреть в более широкую картину, FUNIT прекрасно вписывается в категорию проблем, с которыми Nvidia столкнулась с искусственным интеллектом. Наряду с превращением объективно ужасных набросков в законченные ландшафты и созданием полной трехмерной городской среды для разработки игр, кажется, что Nvidia надеется создать набор инструментов, который значительно сократит время и затраты, необходимые для создания видеоигр. Когда активы персонажей для титулов AAA могут стоить около 80 000 долларов, игровые студии могут значительно сократить расходы с помощью искусственного интеллекта.
Конечно, FUNIT понадобится более чем разумная способность для подмены собак, прежде чем он сможет помочь создать инструментарий ИИ, способный генерировать подробные и динамичные игровые ресурсы наравне с человеческим талантом.
Изображение предоставлено: Adam Dachis (перевод результатов Nvidia)
Читать далее

Как Windows использует несколько ядер ЦП?
В наши дни мы воспринимаем многоядерность как должное, но как вообще процессор и операционная система взаимодействуют друг с другом?

Apple впервые за несколько лет обогнала Samsung по продажам телефонов в мире
Рынок смартфонов в целом сократился в 2020 году, но Apple удалось отобрать у Samsung в четвертом квартале впервые с 2016 года. Samsung оставалась крупнейшей компанией-производителем смартфонов на весь 2020 год.

Bloomberg: M1x MacBook Pro может запустить в «следующих нескольких неделях»
По словам Марка Bloomberg Gurman, новые MacBooks (которые содержат новейший CPU Apple M1x), должен ударить полки в течение следующих нескольких недель.

TSMC Executive говорит, что нехватка чипов, чтобы продлить еще несколько лет
Там просто не хватает потрясающих способностей для удовлетворения спроса, сейчас и в далеком будущем.