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
НАСА виявило життєво важливу органічну молекулу на Титані
В останньому аналізі дослідники NASA виявили важливу, високореактивну органічну молекулу в атмосфері Титана. Його наявність припускає, що Місяць може підтримувати хімічні процеси, які ми зазвичай пов’язуємо з життям.
Астрономи виявили планету-шахраю, яка блукає по Галактиці, розміром із землю
Астрономи ідентифікували понад 4000 екзопланет, що обертаються навколо інших зірок, але лише кілька "планет-шахраїв", які блукають по галактиці без зірки, щоб подзвонити додому. Нове дослідження стверджує, що помітило один із цих світів, і це може бути маленький кам’янистий світ, такий як Земля.
Зонд NASA зберігає величезний зразок астероїда для повернення на Землю
Після недавньої успішної операції touch and go, NASA повідомило, що значний зразок астероїда зараз заблокований у контейнері для повернення зразків зонда.
AMD може дозволити користувацькі картки RX 6900 XT, стартовий запас може бути обмежений
Ходять чутки, що Nvidia, можливо, не єдина компанія, яка стикається з дефіцитом виробництва у цей святковий сезон. Графічні процесори високого класу взагалі може бути дуже важко знайти.