Dalam kes GAN, model ini terdiri daripada penjana dan diskriminator, kedua-duanya terdiri daripada rangkaian saraf. Penjana mencipta imej daripada hingar rawak, manakala pendiskriminasi cuba membezakan sama ada imej yang dijana itu asli atau palsu. Semasa latihan berlangsung, penjana belajar untuk menghasilkan imej yang semakin realistik yang memperdayakan diskriminasi.
PUBLISITI
Model aliran autoregresif, seperti PixelCNN, menjana imej piksel demi piksel, mengikut taburan kebarangkalian. Model ini bermula dengan menjana piksel pertama imej dan kemudian menggunakan maklumat itu untuk menjana piksel seterusnya, dan seterusnya, sehingga keseluruhan imej dijana.
Tidak kira kaedah yang digunakan, adalah penting untuk menyuapkan kecerdasan buatan dengan set data latihan yang besar dan pelbagai, yang mengandungi imej muka, haiwan, landskap dan elemen lain.
Lebih pelbagai dan banyak set data latihan, lebih baik keupayaan AI untuk mencipta imej yang realistik dan meyakinkan. Pendek kata, pengimejan AI adalah bidang yang sentiasa berkembang promekemajuan yang ketara dalam beberapa bidang, termasuk reka bentuk, pengiklanan dan hiburan.
PUBLISITI
*Teks artikel ini sebahagiannya dihasilkan oleh ChatGPT, model bahasa berasaskan kecerdasan buatan yang dibangunkan oleh OpenAI. Entri teks dicipta oleh Curto Berita dan respons sengaja diterbitkan semula sepenuhnya. Jawapan daripada ChatGPT dijana secara automatik dan tidak mewakili pendapat OpenAI atau orang yang dikaitkan dengan model. Semua tanggungjawab untuk kandungan yang diterbitkan terletak pada Curto Berita.
Lihat juga: