GAN – NVIDIA 技術博客
http://www.open-lab.net/zh-cn/blog
閱讀開發者創建的最新技術信息、頭條新聞 和內容。
Thu, 05 May 2022 09:25:53 +0000
zh-CN
hourly
1
196178272 -
改進擴散模型以替代 GANs ,第 2 部分
http://www.open-lab.net/zh-cn/blog/improving-diffusion-models-as-an-alternative-to-gans-part-2/
Tue, 26 Apr 2022 09:23:00 +0000
http://www.open-lab.net/zh-cn/blog/?p=3832
Continued]]>
這是 NVIDIA 研究人員如何改進和加速擴散模型采樣的系列文章的一部分,擴散模型是一種新的、強大的生成模型。 Part 1 介紹了擴散模型作為深層生成模型的一個強大類,并研究了它們在解決生成性學習三重困境中的權衡。 雖然擴散模型同時滿足 生成性學習三位一體 的第一和第二個要求,即高樣本質量和多樣性,但它們缺乏傳統 GAN 的采樣速度。在這篇文章中,我們回顧了 NVIDIA 最近開發的三種技術,它們克服了擴散模型中緩慢采樣的挑戰。 擴散模型的采樣速度較慢的主要原因之一是,從簡單的高斯噪聲分布到具有挑戰性的多模態數據分布的映射非常復雜。最近, NVIDIA 推出了 基于潛在分數的生成模型 ( LSGM ),這是一種新的框架,可以在潛在空間而不是直接在數據空間中訓練擴散模型。 在 LSGM 中,我們利用變分自動編碼器( VAE )框架將輸入數據映射到一個潛在空間,
Source
]]>
3832
-
改進擴散模型以替代 GANs ,第 1 部分
http://www.open-lab.net/zh-cn/blog/improving-diffusion-models-as-an-alternative-to-gans-part-1/
Tue, 26 Apr 2022 09:18:00 +0000
http://www.open-lab.net/zh-cn/blog/?p=3829
Continued]]>
這是一系列關于 NVIDIA 研究人員如何改進和加速擴散模型采樣的方法的一部分,擴散模型是一種新穎而強大的生成模型。 Part 2 介紹了克服擴散模型中緩慢采樣挑戰的三種新技術。 生成模型是一類機器學習方法,它可以學習所訓練數據的表示形式,并對數據本身進行建模。它們通常基于深層神經網絡。相比之下,判別模型通常預測給定數據的單獨數量。 生成模型允許您合成與真實數據不同但看起來同樣真實的新數據。設計師可以在汽車圖像上訓練生成性模型,然后讓生成性人工智能計算出具有不同外觀的新穎汽車,從而加速藝術原型制作過程。 深度生成學習已成為機器學習領域的一個重要研究領域,并有許多相關應用。生成模型廣泛用于圖像合成和各種圖像處理任務,如編輯、修復、著色、去模糊和超分辨率。 生成性模型有可能簡化攝影師和數字藝術家的工作流程,并實現新水平的創造力。類似地,它們可能允許內容創建者高效地為游戲、
Source
]]>
3829
-
使用 AI:EditGAN 進行高精度圖像編輯
http://www.open-lab.net/zh-cn/blog/high-precision-image-editing-with-ai-editgan/
Mon, 31 Jan 2022 05:51:00 +0000
http://www.open-lab.net/zh-cn/blog/?p=2974
Continued]]>
編輯貓、汽車甚至古董畫照片的愿望,由于一種稱為EditGAN的生成性對抗網絡(GAN)模型,從未像現在這樣容易實現。來自 NVIDIA,多倫多大學和 MIT 研究人員的工作建立了 DatasetGAN ,這是一種人工智能視覺模型,可以用最少16個人類注釋的圖像來訓練,并像其他需要100X更多圖像的方法一樣有效地執行。EditGAN 利用了前一個模型的功能,允許用戶使用簡單的命令(如繪圖)編輯或操作所需的圖像,而不會影響原始圖像質量。 根據 paper :“ EditGAN 是第一個 GAN 驅動的圖像編輯框架,它同時提供非常高精度的編輯,只需要很少的帶注釋的訓練數據(并且不依賴外部分類器),可以實時交互運行,允許對多個編輯進行簡單的合成,并可處理真正的嵌入式、生成的圖像,甚至是域外圖像。” 該模型學習特定數量的編輯向量,這些編輯向量可以交互地應用于圖像。本質上,
Source
]]>
2974
-
GANcraft :將玩家變成 3D 藝術家
http://www.open-lab.net/zh-cn/blog/gancraft-turning-gamers-into-3d-artists/
Tue, 18 Jan 2022 03:58:00 +0000
http://www.open-lab.net/zh-cn/blog/?p=2811
Continued]]>
NVIDIA 和康奈爾大學的科學家們引入了一種混合的無監督神經渲染管道,以有效地表示體素世界中的大型復雜場景。從本質上講, 3D 藝術家只需要構建最小值,剩下的部分將由算法來構建照片級真實感世界。研究人員將這種混合神經渲染管道應用于 Minecraft 區塊世界,以生成更逼真的 Minecraft 場景。 NVIDIA 和更廣泛的研究團體( pix2pix 、 pix2pixHD 、 MUNIT 、 SPADE )以前的工作已經解決了圖像到圖像轉換( im2im )的問題——將圖像從一個域轉換到另一個域。乍一看,這些方法似乎為將一個世界轉換為另一個世界的任務提供了一個簡單的解決方案—一次翻譯一幅圖像。但是, im2im 方法不保持視點一致性,因為它們不了解 3D 幾何體,并且每個 2D 幀都是獨立生成的。從下面的圖像中可以看出,這些方法的結果會產生抖動和突然的顏色和紋理變化。
Source
]]>
2811
-
NVIDIA DLI 教授有監督和無監督異常檢測
http://www.open-lab.net/zh-cn/blog/nvidia-dli-teaches-supervised-and-unsupervised-anomaly-detection/
Wed, 15 Dec 2021 06:26:00 +0000
http://www.open-lab.net/zh-cn/blog/?p=2640
Continued]]>
NVIDIA 深度學習學院( DLI )正在為如何構建異常檢測的人工智能應用提供指導者、動手訓練。 異常檢測是識別數據集中異常偏離的數據的過程。與識別統計異常值的簡單過程不同,異常檢測旨在發現在其上下文中不應被視為正常的數據。 異常可以包括與捕獲和標記的異常相似的數據、在不同上下文中可能正常但不在其出現的上下文中的數據,以及只能通過訓練神經網絡的洞察理解為異常的數據。 在許多商業和研究環境中,異常檢測是一種強大而重要的工具。醫療保健專業人員使用異常檢測更早更有效地識別人類疾病的跡象。 IT 和 DevOps 團隊針對任何數量的業務應用異常檢測來識別可能導致性能下降或服務丟失的事件。營銷和財務團隊利用異常檢測來識別對其 KPI 有重大影響的特定事件。 簡言之,任何團隊都可以從與他們的目標相關的數據中識別特殊情況中獲益,這可能會從異常檢測的有效使用中獲益。
Source
]]>
2640
-
人工智能研究人員設想了全球變暖引起的洪水
http://www.open-lab.net/zh-cn/blog/ai-researchers-visualize-flooding-caused-by-global-warming/
Tue, 12 Oct 2021 03:45:00 +0000
http://www.open-lab.net/zh-cn/blog/?p=1945
Continued]]>
你可能很快就能看到未來的洪水將如何通過新開發的人工智能模型襲擊你的城市。來自加拿大和美國研究人員團隊的研究使用生成性對抗網絡( GAN )生成氣候變化引起的洪水的真實圖像。名為 ClimateGAN 的研究小組開發了該模型,以強調極端天氣事件的破壞性,并促使采取集體行動遏制排放。 研究人員寫道:“預測極端氣候事件(如熟悉地區的洪水)的潛在后果,有助于使氣候變化的抽象影響更加具體,并鼓勵采取行動。”。 全球各地的人們都在努力應對更頻繁的極端天氣事件,包括風暴、颶風、干旱和由一顆正在下沉的行星引發的野火。由于海平面上升、風暴增強和融雪速度加快,沿海和內陸社區也正在經歷更嚴重的洪水。 全球變暖的毀滅性后果可能會讓經歷過這些災難的人們深受其害,無論是颶風艾達造成的毀滅性洪水還是澳大利亞各地的叢林大火。然而,許多人仍將氣候變化影響視為一種假設的、
Source
]]>
1945
人人超碰97caoporen国产