Alat Anyar Tiasa Témbongkeun Panalungtik Naon GAN Ninggalkeun Hiji Gambar

Anyar-anyar ieu, tim peneliti ti MIT-IBM Watson AI Lab nyiptakeun metode pikeun nunjukkeun naon anu dileungitkeun ku Generative Adversarial Network tina gambar nalika dipenta pikeun ngahasilkeun gambar. Pangajaran ieu dubbed Ningali Naon GAN Teu Bisa Ngahasilkeun, sarta ieu nembe dibere dina Konférénsi Internasional on Computer Visi.

Jaringan Adversarial Generatif geus jadi leuwih mantap, canggih, jeung loba dipaké dina sababaraha taun katukang. Aranjeunna geus jadi rada alus dina rendering gambar pinuh ku detil, salami éta gambar dipasrahkeun ka wewengkon relatif leutik. Nanging, nalika GAN dianggo pikeun ngahasilkeun gambar tina pamandangan sareng lingkungan anu langkung ageung, aranjeunna condong henteu ngalaksanakeun ogé. Dina skenario dimana GANs dipenta pikeun ngajadikeun adegan pinuh ku loba objék jeung item, kawas jalan sibuk, GANs mindeng ninggalkeun loba aspék penting tina gambar kaluar.

Numutkeun MIT News, panalungtikan ieu dikembangkeun sabagian ku David Bau, mahasiswa pascasarjana di Jurusan Téknik Eléktro sarta Élmu Komputer di MIT. Bau ngécéskeun yén panalungtik biasana konsentrasi dina nyaring naon sistem learning mesin nengetan tur discerning kumaha inputs tangtu bisa dipetakeun kana outputs tangtu. Nanging, Bau ogé ngajelaskeun yén ngartos data naon anu teu dipaliré ku modél pembelajaran mesin upami sering sami pentingna sareng tim peneliti ngaharepkeun alat-alatna bakal mere ilham panalungtik pikeun nengetan data anu teu dipaliré.

Minat Bau dina GANs didorong ku kanyataan yén aranjeunna tiasa dianggo pikeun nalungtik sipat kotak hideung tina jaring neural sareng kéngingkeun intuisi kumaha jaringan tiasa nalar. Bau saméméhna digawé dina alat nu bisa nangtukeun klaster husus neuron jieunan, labél aranjeunna salaku jawab ngagambarkeun objék alam nyata kayaning buku, awan, jeung tatangkalan. Bau ogé ngagaduhan pangalaman sareng alat anu disebat GANPaint, anu ngamungkinkeun para seniman ngahapus sareng nambihan fitur khusus tina poto nganggo GAN. Numutkeun Bau, aplikasi GANPaint ngungkabkeun masalah poténsial sareng GAN, masalah anu katingali nalika Bau nganalisa gambar. Salaku Bau ngawartoskeun MIT News:

"Penaséhat kuring sok nyorong urang ningali saluareun nomer sareng ngariksa gambar anu saleresna. Nalika urang ningali, fenomena éta langsung kaluar: Jalma-jalma turun sacara selektif.

Nalika sistem pembelajaran mesin dirancang pikeun nimba pola tina gambar, aranjeunna ogé tiasa ngeureunkeun pola anu relevan. Bau jeung panalungtik séjén experimented jeung latihan GANs dina rupa-rupa pamandangan indoor jeung outdoor, tapi dina sakabéh tipena béda pamandangan GANs ninggalkeun kaluar rinci penting dina pamandangan kawas mobil, tanda jalan, jalma, sapédah, jsb Ieu bener sanajan lamun objék ditinggalkeun kaluar éta penting pikeun adegan sual.

Tim peneliti hipotésis yén nalika GAN dilatih dina gambar, GAN tiasa langkung gampang pikeun moto pola gambar anu langkung gampang diwakilan, sapertos objék stasioner ageung sapertos bentang sareng gedong. Éta diajar pola-pola ieu tibatan pola anu sanés, langkung hese pikeun napsirkeun, sapertos mobil sareng jalma. Parantos terang yén GAN sering ngaleungitkeun detil anu penting sareng bermakna nalika ngahasilkeun gambar, tapi panilitian ti tim MIT tiasa janten anu pertama kalina yén GAN parantos nunjukkeun ngaleungitkeun sadayana kelas obyék dina gambar.

Tim panalungtik nyatet yén mungkin pikeun GAN pikeun ngahontal tujuan numerikna sanajan ngantunkeun objék anu dipikabutuh ku manusa nalika ningali gambar. Lamun gambar dihasilkeun ku GANS bade dipaké pikeun ngalatih sistem kompléks kawas kandaraan otonom, data gambar kudu taliti scrutinized sabab aya perhatian nyata yén objék kritis kawas tanda, jalma, jeung mobil séjén bisa ditinggalkeun kaluar tina gambar. Bau ngécéskeun yén panilitianna nunjukkeun naha kinerja modél henteu kedah didasarkeun ukur kana akurasi:

"Urang kedah ngartos naon jaringan éta sareng henteu dilakukeun pikeun mastikeun yén aranjeunna ngadamel pilihan anu urang hoyongkeun."