Nvidia створила Face Swapper для домашніх тварин, що вивчає лише кілька прикладів
Більшість ІІ, що маніпулює або трансформує зображення, вимагає великої кількості навчальних даних, які служать основою для його здібностей. NVIDIA знайшла спосіб навчити модель тільки одним вхідним зображенням будь-якого вихованця і декількома прикладами іншої тварини.
У недавньому документі Nvidia пояснює можливості та мету створення цього нового підходу:
Незважаючи на успіх, сучасні методи вимагають доступу до багатьох зображень як у вихідному, так і в цільовому класах під час навчання. Ми стверджуємо, що це значно обмежує їх використання. Натхненний людською здатністю підбирати суть нового об'єкта з невеликої кількості прикладів і узагальнюючи звідти, ми шукаємо алгоритм перекладу із зображенням на зображення, який працює на раніше невидимих цільових класах, які є вказано, в тестовий час, лише декількома прикладами зображень. Наша модель досягає цієї здатності генерувати кілька пострілів, поєднуючи схему змагальної підготовки з новим дизайном мережі.
Nvidia називає навчальну структуру своєї мережі «Невеликим неперевіреним перекладом зображень» (FUNIT), оскільки вона дізнається лише з декількох прикладів класу зображення (наприклад, біглів, полярних ведмедів) без безпосереднього людського керівництва. Значно зменшений необхідний розмір для навчальних наборів даних дасть цьому методу величезну перевагу над існуючими, оскільки він покращується в майбутньому. На даний момент це вимагає вільного обличчя тварини, щоб отримати бажані результати. Незважаючи на те, що він технічно функціонує з людськими обличчями, результати часто зручно потрапляють до «страшної» категорії.
Незважаючи на те, що в даний час метод Nvidia має лише специфічну мету, і його обмеження призводять до помітних недоліків, їхня робота показує обіцянку набагато більш вражаючих результатів за декілька ітерацій. З відкритим кодом, доступним для будь-кого, на кого можна побудувати (і публічне демонстрацію для всіх інших), якість FUNIT має більше шансів досягти корисних результатів набагато раніше.
Дивлячись на велику картину, FUNIT добре вписується в категорію проблем, до яких Nvidia звертався зі штучним інтелектом. Поряд з поворотом об'єктивно страшних ескізів у повні ландшафти та створення повноцінних 3D-міських середовищ для розробки ігор, Nvidia сподівається створити набір інструментів, що значно скоротить час і витрати, необхідні для створення активів відеоігор. Коли атрибути характеру для назв AAA можуть коштувати близько $ 80,000, ігрові студії можуть скоротити витрати на значну суму за допомогою штучного інтелекту.
Звичайно, FUNIT потребуватиме більше, ніж розумну здатність до обміну собак, перш ніж вона допоможе скласти набір інструментів AI, здатних генерувати детальні та динамічні ігрові активи нарівні з людським талантом.
Зображення: Адам Дачіс (переклад за Nvidia)
Читати далі
Найкращі системи розумного домашнього захисту
Колись нішевий бізнес з кількома традиційними гравцями та деякими стартапами, системи домашньої безпеки зараз є головним полем битви не лише охоронних компаній, але й кількох інтернет-гігантів. Ми підбираємо основні моменти найбільш популярних варіантів на 2020 рік.
Астрономи відстежують швидкі радіо, які повертаються до своїх домашніх галактик
Новий аналіз від NASA простежив походження декількох FRBS до своїх домашніх галактик, що може допомогти вченим звучати причину.
Amazon оголошує про домашній робот Axea-Power, який називається Astro
Великі технологічні компанії, такі як Amazon, знаходяться під час підвищення уваги, як вони використовують (і іноді неправильно використовувати) особисті дані. Amazon не взяв це враховуючи, коли він оголосив Astro, свій перший домашній робот, який може тривати навколо вашого будинку, записувати відео, доставити повідомлення та багато іншого.
Більше людей клонування своїх домашніх тварин, незважаючи на вартість
Клонування собаки коштує близько 50 000 доларів, але деякі власники домашніх тварин готові платити цю ціну.