從冬天回到夏天,英偉達的遷移網路能派上用場
雷鋒網:雷鋒字幕組編譯系列短視頻《 2 分鐘論文 》,帶大家用碎片時間閱覽前沿技術,了解 AI 領域的最新研究成果。
翻譯/ 鄧玉愷
整理/ 孫雲 凡江
本期論文:Unsupervised Image-to-Image Translation Networks
論文譯名:無監督以圖生圖(圖到圖遷移網路)
英偉達推出的新技術無監督圖到圖遷移網路,可以根據已有的圖像,創造出不同場景下的新圖像。比如,把冬天變成夏天,把城市照片換成城市地圖,將白天公路換成夜間公路。
這種技術的一種典型實現方式是使用生成對抗網路(Generative Adversarial Networks,簡稱GANS)。GANS是一對神經網路,其中的生成網路負責生成合成圖像以欺騙判別網路,而判別網路嘗試區分生成器生成的合成圖像和真實圖像。
這兩個神經網路共同學習,其中生成網路嘗試生成更真實的圖像以欺騙判別網路,而判別網路則嘗試著能更好的區分真實圖像和合成圖像。這個對抗過程將使得這兩個網路變得越來越好,最終的結果也表明了該技術生成的轉化圖相當真實。
觀看雷鋒網論文解讀大概需要 4 分鐘
在雷鋒網介紹的這篇論文中,作者使用了6個網路而不是2個網路。在一項早期的圖像轉化工作中,研究者依靠的是循環一致性約束。這意味著我們可以假設源圖像可以被轉換成目標圖像,而目標圖像可以再反過來轉換成和源圖像十分相似的圖像。該假設的成立意味著,圖像轉化並非任意隨機,而是隱含了深層次的演算法轉換。
這項新技術構建在一個假設上,假定存在一個隱空間,在這個隱空間中輸入和輸出圖像可以共存。這個隱空間便是複雜數據的一種直觀、簡潔的描述。但該技術仍然存在的局限是,訓練過程過度依賴對抗網路,沒有顯在的訓練指標,訓練過程收斂的臨界點自然無從得知。
冬天變成夏天
哈士奇變成柯基
現實世界視頻轉變成遊戲視頻
還可以給人換個髮型或是戴上墨鏡,甚至加個笑容
論文:https://arxiv.org/pdf/1703.00848.pdf
代碼:https://github.com/mingyuliutw/UNIT
TAG:雷鋒網 |