Nvidia發(fā)展新的資料增強(qiáng)技術(shù),可以大幅減少訓(xùn)練人工智能模型所需要的資料量,研究人員僅使用來(lái)自大都會(huì)藝術(shù)博物館的一個(gè)小型資料集,就讓人工智能模型能夠創(chuàng)造出,過(guò)去可能需要數(shù)萬(wàn),甚至可能超過(guò)10萬(wàn)訓(xùn)練圖像,才能產(chǎn)生的精美圖像結(jié)果,而這項(xiàng)研究成果可用于廣泛的領(lǐng)域上,包括醫(yī)療保健等應(yīng)用。
Nvidia將一種稱為ADA(Adaptive Discriminator Augmentation)的技術(shù),應(yīng)用在生成對(duì)抗網(wǎng)絡(luò)StyleGAN2模型上,使得訓(xùn)練圖像的資料量,可大幅減少10到20倍,而且獲得同樣良好的效果。生成對(duì)抗網(wǎng)絡(luò)(GAN)的特性之一,便是訓(xùn)練資料越多,模型產(chǎn)生的結(jié)果越好,生成對(duì)抗網(wǎng)絡(luò)由生成器(Generator)與判別器(Discriminator)兩個(gè)組件組成,生成器負(fù)責(zé)合成圖像,而判別器則要識(shí)別出圖像真?zhèn)危⒎答佊杏玫膮?shù)給生成器,使得生成器之后能夠產(chǎn)生更好的結(jié)果。
但是一旦訓(xùn)練資料不足,判別器便無(wú)法提供生成器足夠的信息產(chǎn)生好結(jié)果,就像是新手教練沒(méi)有夠多的經(jīng)驗(yàn)指導(dǎo)球員,球員也就難以精進(jìn)球技一樣。因此生成對(duì)抗網(wǎng)絡(luò)通常需要5萬(wàn)到10萬(wàn)的訓(xùn)練圖像,才能訓(xùn)練出高品質(zhì)的模型,但問(wèn)題是,在許多使用案例上,并沒(méi)有足夠多的樣本圖像可以取用,僅以數(shù)千張圖像訓(xùn)練生成對(duì)抗網(wǎng)絡(luò),通常無(wú)法產(chǎn)生逼真的結(jié)果,而且會(huì)出現(xiàn)過(guò)適(Overfitting)的現(xiàn)象。
過(guò)去的研究也曾經(jīng)以資料增強(qiáng)的方法,減少訓(xùn)練生成對(duì)抗網(wǎng)絡(luò)所需要的資料量,但是結(jié)果并不好,因?yàn)樯蓪?duì)抗網(wǎng)絡(luò)反而學(xué)習(xí)了圖像旋轉(zhuǎn)變形等失真情形,無(wú)法產(chǎn)生逼真的合成圖像。而現(xiàn)在Nvidia所提出的ADA方法,可以適應(yīng)性地應(yīng)用資料增強(qiáng)方法,避免過(guò)適現(xiàn)象,而使得StyleGAN2等模型,可以使用更少的訓(xùn)練圖像,并獲得良好的結(jié)果。
研究人員將這項(xiàng)結(jié)果應(yīng)用在過(guò)去因?yàn)橛?xùn)練資料太少,而難以實(shí)現(xiàn)的使用案例上,像是藝術(shù)家便使用StyleGAN進(jìn)行創(chuàng)作,產(chǎn)生出各種精美繪畫,或是以傳奇插畫家Osamu Tezuka的風(fēng)格,搭建新的漫畫,Adobe也應(yīng)用該項(xiàng)技術(shù),提供新的人工智能工具Neural Filters。
研究人員也提到,該項(xiàng)技術(shù)還有望應(yīng)用在醫(yī)療保健領(lǐng)域,因?yàn)楹币?jiàn)疾病的醫(yī)學(xué)圖像很少,而且每個(gè)案例差異度很大,要大量收集有用的病理切片資料集很困難,而使用ADA技術(shù)的生成對(duì)抗網(wǎng)絡(luò),則可改善這樣的問(wèn)題。
責(zé)任編輯:YYX
-
NVIDIA
+關(guān)注
關(guān)注
14文章
5309瀏覽量
106477 -
人工智能
+關(guān)注
關(guān)注
1807文章
49035瀏覽量
249782
發(fā)布評(píng)論請(qǐng)先 登錄
最新人工智能硬件培訓(xùn)AI 基礎(chǔ)入門學(xué)習(xí)課程參考2025版(大模型篇)
Cognizant將與NVIDIA合作部署神經(jīng)人工智能平臺(tái),加速企業(yè)人工智能應(yīng)用

【「具身智能機(jī)器人系統(tǒng)」閱讀體驗(yàn)】+數(shù)據(jù)在具身人工智能中的價(jià)值
【每天學(xué)點(diǎn)AI】實(shí)戰(zhàn)圖像增強(qiáng)技術(shù)在人工智能圖像處理中的應(yīng)用

評(píng)論