GAN-ների դեպքում մոդելը բաղկացած է գեներատորից և տարբերակիչից, որոնք երկուսն էլ կազմված են նեյրոնային ցանցերից: Գեներատորը պատկերներ է ստեղծում պատահական աղմուկից, մինչդեռ տարբերակիչը փորձում է տարբերակել՝ ստեղծված պատկերն իրական է, թե կեղծ: Երբ ուսուցումն առաջ է ընթանում, գեներատորը սովորում է ստեղծել ավելի իրատեսական պատկերներ, որոնք հիմարացնում են խտրականացնողին:
ՀՐԱՊԱՐԱԿԱԿԱՆՈՒԹՅՈՒՆ
Ավտոռեգեսիվ հոսքի մոդելները, ինչպիսիք են PixelCNN-ը, ստեղծում են պատկերներ պիքսել առ պիքսել՝ հետևելով հավանականության բաշխմանը: Այս մոդելը սկսում է ստեղծել պատկերի առաջին պիքսելը, այնուհետև օգտագործում է այդ տեղեկատվությունը հաջորդ պիքսելը ստեղծելու համար և այդպես շարունակ, մինչև ամբողջ պատկերը ստեղծվի:
Անկախ օգտագործվող մեթոդից, անհրաժեշտ է արհեստական ինտելեկտը կերակրել մեծ և բազմազան ուսումնական տվյալների հավաքածուով, որը պարունակում է դեմքերի, կենդանիների, լանդշաֆտների և այլ տարրերի պատկերներ:
Որքան բազմազան և ծավալուն լինի ուսուցման տվյալների բազան, այնքան ավելի լավ կլինի AI-ի կարողությունը ստեղծել իրատեսական և համոզիչ պատկերներ: Մի խոսքով, AI պատկերումը անընդհատ զարգացող ոլորտ է, որը promeզգալի առաջընթաց մի քանի ոլորտներում, ներառյալ դիզայնը, գովազդը և զվարճանքը:
ՀՐԱՊԱՐԱԿԱԿԱՆՈՒԹՅՈՒՆ
*Այս հոդվածի տեքստը մասամբ ստեղծվել է ChatGPT, արհեստական ինտելեկտի վրա հիմնված լեզվի մոդել, որը մշակվել է OpenAI. Տեքստային գրառումները ստեղծվել են Curto Նորություններն ու պատասխանները դիտավորյալ ամբողջությամբ վերարտադրվել են: -ից ստացված պատասխանները ChatGPT ինքնաբերաբար ստեղծվում են և չեն ներկայացնում կարծիքները OpenAI կամ մոդելի հետ կապված մարդիկ: Հրապարակված բովանդակության ողջ պատասխանատվությունը կրում է Curto Նորություններ.
Տես նաև.