雷锋字幕组出品系列短视频《 2 分钟论文 》,带大家用碎片时间阅览前沿技术,了解 AI 领域的最新研究成果。
翻译/ 李长霖
校对/ 凡江
整理/ 雷锋字幕组
本期论文:Progressive Growing of GANs for Improved Quality, Stability, and Variation
论文译名:通过渐进增大的方式训练GANS,生成更加高质、稳定、多变的图像
英伟达推出了新的生成对抗网络(Generative Adversarial Networks,简称GANS)训练方式,可以根据已有的图像来创造出新图像,甚至可以根据不同爱豆的照片,创造出一个不存在的人像。
▷ 观看论文解读大概需要 4 分钟(雷锋网)
人工智能通过GANS来学习。这个网络由生成网络和对抗网络组成,生成网络的任务是创作出令人信服的肖像,对抗网络的任务是去伪存真。生成网络不断接受对抗网络所提供的反馈,改进图像质量,提高图像的真实性;与此同时,对抗网络则会在对抗过程中提升自己的鉴别能力,用更加刁钻的眼光去发现错误。两个网络不断相互制衡,最后达到平衡,让生成网络创造出一张脸对抗网络都信服的图片。
新型GANS的创新点在于,生成器和鉴别器都能逐渐增大。起初生成和对抗网络的规模较小、层数较少,随着实验逐步进行,研究人员不断增加新的层,这两个神经网络的规模逐渐扩大,训练速度约来越快,也更加趋于稳定,经过千万次迭代后,GANS最终生成1024×1024像素的清晰图像。
此外,研究人员还提出了增加图片多变性的方法,这种方法在无监督CIFAR-10数据集的情况下,达到8.80的初始分数,创下了历史记录。
雷锋网的学霸们还请自行阅读论文以获得更多细节
论文/代码原址:http://research.nvidia.com/publication/2017-10_Progressive-Growing-of
本文由雷锋字幕组编译,发布于雷锋网(公众号:雷锋网)。
。
原创文章,作者:ItWorker,如若转载,请注明出处:https://blog.ytso.com/129144.html