Die Geburt der Matrix: Künstliche neuronale Netze lernten, realistische Gesichter von Menschen und Innenräumen von Schlafzimmern zu schaffen

In der Matrix könnte im ersten Teil nicht nur ein intelligentes Computersystem eine virtuelle Welt schaffen, sondern die Computer von Nebukadnezar, einem Rebellenschiff, könnten auch eine virtuelle Miniaturwelt erzeugen. Viele erinnern sich an das Mädchen in Rot, das in einer der Simulationen auftauchte - sie ist auf dem Bild in der Ankündigung dargestellt. Bevor wir ein solches virtuelles Modell der realen Welt erstellen, sind wir (und unsere Computer) noch sehr weit entfernt. Aber jetzt ist schon etwas da.

Ein Forscherteam von Indico und Facebook hat ein neuronales Netzwerk geschaffen , das realistische Bilder „erfinden“ kann. Die Entwicklung neuronaler Netze findet sich übrigens hier . Künstliches Neuronales Netz ( ANN) - ein mathematisches Modell sowie dessen Software- oder Hardware-Implementierung, das auf dem Prinzip der Organisation und Funktionsweise biologischer neuronaler Netze beruht - Netze von Nervenzellen eines lebenden Organismus. Jetzt werden ANNs in vielen Bereichen verwendet, einschließlich Prognose, Mustererkennung und Arbeit mit Big Data. Alec Radford von Indico und seine Kollegen beschlossen, auf eine solche Art von NIS wie das generative gegnerische Netzwerk zu achten.



In einem solchen Netzwerk versucht ein Teil des Systems, ein Array falscher Daten zu erstellen, um den zweiten Teil auszutricksen. Die Idee war, dass das System lernen wird, bessere Bilder zu erstellen, wenn Sie diesen Vorgang ständig wiederholen.

Die Autoren der Studie trainierten ein System, das auf einer Reihe von Schlafzimmerbildern basiert. Dann wurde das System gebeten, eigene Bilder zu erstellen. Um sicherzustellen, dass das System die Originalbilder wirklich erstellt und sie nicht aus der Datenbank kopiert, gaben Experten den Befehl, eine Reihe von Änderungen am selben Schlafzimmerbild zu generieren - beispielsweise ohne Fenster, mit Tisch oder Fernseher. Diese Technik ermöglichte es zu überprüfen, ob das System gelernt hat, Innenräume selbst zu generieren.

Darüber hinaus haben Experten das System geschult, um Bilder zu erstellen, bei denen ein wichtiger Teil (z. B. ein Fenster) durch etwas ersetzt wird. Beispielsweise ersetzt ein System ein Fenster durch einen Fernseher oder einen Kamin. Dies zeigt an, dass das System gelernt hat, zu „verstehen“, was einen bestimmten Teil des Innenraums ausmacht.



Ein ähnliches Prinzip kann für andere Aufnahmen verwendet werden, beispielsweise für Porträtaufnahmen. In einem anderen Experiment baten die Forscher das System, ein Foto einer lächelnden Frau hervorzuheben, dann einen neutralen Ausdruck hinzuzufügen und einen Mann mit einem neutralen Ausdruck „hinzuzufügen“. Ziel ist es, das Konzept des „Lächelns“ herauszustellen und mit dem Konzept des „Menschen“ zu kombinieren.

Als Ergebnis erhielten die Forscher eine Reihe von Bildern von lächelnden Männern.

Leider ist die Größe der Bilder jetzt auf 32 * 32 Pixel begrenzt, was das System schneller und effizienter macht. Der nächste Schritt besteht darin, ein solches Schema auf Video und Audio zu übertragen.

Und nachdem der 3D-Effekt hinzugefügt wurde, plus Dynamik und zusätzliche Umgebungsdetails, erhalten wir eine vollwertige „Matrix“. Oder nicht?

Source: https://habr.com/ru/post/de387209/