所有文章 > 正文

生成性对抗网络!DeepFake和FaceApp背后的技术

作者: Jansfer

时间: 2019-08-14 14:07

如果你回到10年,你根本不会知道生成性对抗网络是什么东西。然而,在过去几年中,生成性对抗网络(GAN)正如雨后春笋般出现,并且受到了越来越多的讨论。每当有关于生成对抗网络或GAN的讨论时,它总是在人工智能,机器学习或深度学习的背景下。那么,生成性对抗网络到底是什么,生成性对抗网络又为何如此重要,科学家们为什么要如此关注这一领域呢?

t34.jpg

图片来源:metamorworks / iStock

生成性对抗网络(GAN)的英文全称是Generative Adversarial Networks。这是一种使用深度学习方法进行生成建模的方法。该术语中的“生成”一词指的是GAN的属性,因为它能创造自己的东西。一个程序如何具有创造力来创造自己的东西?科学家们赋予它机器学习的本领,这样程序就可以从过去的数据中学习。因此,如果人们为GAN提供大量图像,它就可以创建自己的独特图像。其他任何数据集都是如此。在去年底发生了一件震惊AI界的事件,那便是科学家们利用生成性对抗网络绘制了大量并不存在,但是却难以辨别的人脸图像。该项目背后的人是NVidia,这是一个受欢迎的计算机图形硬件和软件开发公司,NVidia的研究人员花了8周的时间训练网络。该项目背后的研究人员编写了一篇关于其发展及其结果的论文,题为“ 基于样式的生成对抗网络的生成器架构”。

回到GAN发展的主题,没有什么能比NVidia的实验更清晰地描绘出这项技术。我们能够创造逼真的面孔,这些面孔不仅可以信赖,而且可以通过计算机高度定制。目前,科学家们仍在对其进行研究,以使GAN更强大,可以创建逼真的数据并降低耗电需求。GAN可用于各种应用程序,主要是与图像相关的,但肯定会发生变化。目前,GAN的用途主要有:首先,生成新内容(图像): GAN可用于从一组源图像创建逼真的图像。使用这样的系统纯粹是为了理解GAN的能力。当然,一些人认为,这项技术可用于从父母的照片中确定婴儿的外貌。其次,GAN可以预测老化或者衰老后的容貌:通过一组强大的样本图像,GAN可以成功地老化人脸。最近流行的一款名为FaceApp的应用程序展示了这种技术在大众中的流行程度。第三,GAN可用于着色黑白照片:当GAN训练得足够好时,它可以使照片着色并且非常好地完成。这项技术确实可以为旧照片带来生命,并让我们一睹这段时间的色彩。此外,GAN还可以用于增强图像的分辨率:如果用户尝试增强图片中低效果的分辨率,则结果总是会出现模糊混乱的像素。但是,即使分辨率较低,GAN也会替换每个附加图像并创建高质量的增强图像。

世界上已经看到许多GAN正在起作用的例子,正在朝这个方向进行的研究表明GAN在未来会有更多意想不到的应用。该技术具有革命性,我们可以期待GAN以多种方式出现在我们的设备上。然而值得注意的是,在这项技术成熟之前,需要就这种强大的深度学习方法以道德的方式使用进行认真的讨论。

参考来源:(interestingengineering.com)

[关于转载]:本文为“AMiner”官网文章。转载本文请联系原作者获取授权,转载仅限全文转载并保留文章标题及内容,不得删改、添加内容绕开原创保护,且文章开头必须注明:转自“AMiner”官网。谢谢您的合作。

二维码 扫码微信阅读
推荐阅读 更多