NVIDIA旗下GAN迎来里程碑:训练所需数据大幅减少

人工智能和机器学习已经成为科技行业的热门话题 , 而想要让它们变得更加智能就必须要提供更多的数据进行训练 。 NVIDIA 研究部门旗下的生成对抗网络(GAN)近日迎来一个新的里程碑 , 即便是在非常小的数据集情况下 , 依然能够让人工智能进行学习 。
虽然在名字中出现了“对抗” , 但 GAN AI 模型实际上使用了两个合作的网络 。 例如 , 一个生成器负责创建图像 , 而鉴别器则将其和参考图像进行对比 , 以便于评估它们是否在样式、对象和内容上匹配 。 此外 , 鉴别器通常会馈入 50,000 到 100,000 范围内的训练图像 。
NVIDIA旗下GAN迎来里程碑:训练所需数据大幅减少文章插图
这种现象称为过拟合 , 可以部分地通过所谓的数据增强来解决 , 该方法仅涉及随机旋转 , 调整大小 , 裁剪或翻转图像以扩展参考数量 。 但是 , 这将创建一个生成器 , 该生成器将学习模仿变形的图像 , 而不是学习如何正确地合成样式和主题 。
【NVIDIA旗下GAN迎来里程碑:训练所需数据大幅减少】NVIDIA Research 的 Adaptive Data Augmentation(ADA)试图通过在不同数据点之间分布数据增强来解决这两个问题 。 研究人员声称 , 这使他们能够创建一个新的 StyleGAN2 模型 , 该模型能够使用比传统GAN所需的数据小10到20倍的训练数据集来学习艺术风格 。


    推荐阅读