人有多大胆,GAN有多高产 | AI创作利器演变全过程

作者:admin    文章来源:未知    点击数:    更新时间:2020-02-01 05:41

比如人脸和动画脸:

它由 生成器generators和 判别器discriminators两部分组成,以无人监督的方式运行。

其次,生成器和判别器还有互相压倒的风险。如果生成器太精确,就会去利用判别器的弱点钻空子,而不是靠生成更逼真的图片来欺骗判别器;如果判别器太精确,就会阻碍生成器的收敛过程。

2、视频

最后,缺乏训练数据,也会影响到GAN在语义方面的发展,

输入一个简单的旋律,生成器根据随机数据创建样本,判别器进行区分。两者反复改进,最终就会生成一段乐曲。

在使用10%的标记数据进行训练时,准确性达到了71%至86%。

GAN 仍然缺少非常精细的控制,这是一个很大的挑战。

AI内参|把握AI发展新机遇

首先,同时训练生成器和判别器与生俱来的不稳定性。每次参数更新后,需要优化的问题性质都会发生变化,因此模型内部的参数值会振荡或不稳定。更严重的情况是,生成器崩溃,吐出一大堆看起来同类的样本。

想解决网上有人用机器刷虚假评论的问题。有研究者开发 spamGAN来检测网上的垃圾评论。

这个系统里有10个辨别器,一部分负责判别输出的语音和文本是否一致,另外一部分只关注语音是否真实自然。

4、语音

վ'ᴗ' ի 追踪AI技术和产品新动态

GAN的诞生和构架

或者让一朵花模仿另一朵开的姿势:

参考资料:

喜欢就点「在看」吧 !

展开全文

GAN 仍然缺少非常精细的控制,这是一个很大的挑战。

GAN的应用:从图片到语音

生成器抓取数据并产生新的合成样本,混入原始数据中,一起送给判别器,判别器区分哪些是原始数据,哪些是后来合成的。这一过程反复进行,直到判别器无法以超过50%准确度从合成样本中分辨出真实样本。

跟大咖交流 | 进入AI社群

5、检测垃圾评论

在实践中,GAN的构架也带来一些缺陷。

GAN的构架从此奠定。

原始数据集是从Youtube上收集的50万张10秒长的高分辨率视频,最终可以生成256 x 256像素视频,最长能有48帧。

它们想努力实现的是,如果生成器太精确,就会去利用判别器的弱点钻空子,而不是靠生成更逼真的图片来欺骗生成器;如果判别器太精确,就会阻碍生成器的收敛过程

GAN最有常见和有名的应用是合成以假乱真的图像。

除了人脸,还可以进行 其它对象之间的迁移。卡内基·梅隆大学的科学家开发了出了 Recycle-GAN ,它能把一个视频或照片的内容传到另一个上。

在计算方面,也有研究人员尝试轻型模型。

GAN在语音上的应用并不多,谷歌和帝国理工学院的研究者一起研发了 GAN-TTS ,这个系统运用GAN,将文本转为自然真实的语音。

拓展优质人脉,获取最新AI资讯&论文教程,欢迎加入AI内参社群一起学习~

GAN诞生在2014年,Ian Goodfellow和他的同事发表了名为 生成性对抗网络Generative Adversarial Nets的论文。

GAN的未来:如何精细控制

原标题:人有多大胆,GAN有多高产 | AI创作利器演变全过程

IBM多模式算法和引擎小组的研究人员Youssef Mroueh正在和同事一起开发 小型GAN,用来减少训练时间和内存使用。

作者系网易新闻·网易号“各有态度”签约作者

这种强大的方法走过了怎样的进化之路?

赖可 发自 凹非寺

spamFAN采用半监督学习的技术,其中将未标记的数据与少量标记的数据结合使用。

GAN自从诞生以来,一路升级,功能越来越强。

1、图像

3、音乐

如果不用那么多的计算量,不做那么多麻烦的事情,应该怎么改变模型。这就是他们现在努力的方向。

亚马逊的 deepcomposer键盘的原理和GAN一致。

详细介绍可以戳:

https://papers.nips.cc/paper/5423-generative-adversarial-nets.pdf

— 完—

不过,英特尔AI实验室的高级主管Hanlin Tang 表示,正在出现的新兴技术可以应对这些局限。他提出了两种方法,一是 将多个判别器放入一个模型中,并根据特定数据进行微调。二是 喂给判别器密集的嵌入表示,或者数据的数字表示。这样它们可以有更多的信息,来从中提取。

Demo试听可戳: 1行代码就能跑个量子计算!AWS年度巨献:还有3种超牛硬件随你挑 | 狄拉克孙子点赞

量子位 报道 | 公众号 QbitAI

https://venturebeat.com/2019/12/26/gan-generative-adversarial-network-explainer-ai-machine-learning/

从图片前进一步,就是视频。Deepmind开发了 DVD-GAN

尽管GAN已经取得了很多的进步,英特尔实验室的Hanlin Tang 表示,现在依旧处于早期。

比如英伟达的 Style GAN,可以把人物B的脸部特征迁移到人物A上。

量子位 QbitAI · 头条号签约作者

除了可以来制作照片,GAN还可以用来作曲。