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
FTC подає антимонопольну справу про розпад Facebook
Генеральний прокурор Нью-Йорка Летіція Джеймс оголосила про велику антимонопольну справу проти Facebook, до якої приєднаються 47 інших державних та регіональних АГ. І це ще не все: Федеральна торгова комісія (FTC) пізніше сьогодні порушує окрему справу проти Facebook.
Microsoft обіцяє великі вдосконалення Surface Duo у 2021 році
Пристрій з подвійним екраном в 1400 доларів не надто новин з моменту його випуску, але зараз Microsoft обіцяє для Duo великий рік попереду. Інші програми розгортають інтеграцію Duo, і ви зможете придбати телефон у більшості країн.
Зараз очікується, що Fab-проблеми Samsung спричинять дефіцит твердотільного накопичувача
Нові звіти свідчать про те, що Samsung може не поставляти нові контролери твердотільних накопичувачів зі свого об'єкту в Остіні до травня. Це проблема, враховуючи, що 75 відсотків контролерів твердотільних накопичувачів походять саме з цієї фабрики.
Мікрон закінчується 3D XPoint Development, продасть його оптом Fab
Micron оголосила, що більше не буде виробляти 3D XPoint, і що вона хоче продати свою фабрику Lehi. Це не хороша новина для Optane в цілому.