El nacimiento de la matriz: las redes neuronales artificiales aprendieron a crear rostros realistas de personas e interiores de habitaciones

En Matrix, en su primera parte, no solo un sistema informático inteligente podría crear un mundo virtual, sino que las computadoras de Nabucodonosor, un barco rebelde, también podrían generar un mundo virtual en miniatura. Muchos recuerdan a la chica de rojo, que apareció en una de las simulaciones: se muestra en la imagen del anuncio. Antes de crear un modelo virtual del mundo real, nosotros (y nuestras computadoras) todavía estamos muy lejos. Pero algo ya está ahí ahora.

Un equipo de investigadores de Indico y Facebook ha creado una red neuronal que puede "inventar" imágenes realistas. Por cierto, la evolución de las redes neuronales se puede encontrar aquí . Red neuronal artificial ( ANN) - un modelo matemático, así como su implementación de software o hardware, construido sobre el principio de organización y funcionamiento de redes neuronales biológicas - redes de células nerviosas de un organismo vivo. Ahora los ANN se utilizan en muchas áreas, incluidas las previsiones, el reconocimiento de patrones y el trabajo con Big Data. Alec Radford de Indico y sus colegas decidieron prestar atención a un tipo de NIS como la red de confrontación generativa.



En dicha red, una parte del sistema intenta crear una matriz de datos falsos para "engañar" a la segunda parte. La idea era que si repite constantemente este proceso, el sistema aprenderá a crear mejores imágenes.

Los autores del estudio entrenaron un sistema basado en una serie de imágenes de dormitorios. Luego se le pidió al sistema que creara sus propias imágenes. Para asegurarse de que el sistema realmente crea las imágenes originales y no las copia de la base de datos, los expertos dieron la orden de generar una serie de modificaciones de la misma imagen del dormitorio, por ejemplo, sin una ventana, con una mesa o televisor. Esta técnica permitió verificar que el sistema aprendió a generar interiores por sí solo.

Además, los expertos capacitaron al sistema para crear imágenes, donde una parte importante (por ejemplo, una ventana) se reemplaza por algo. Por ejemplo, un sistema reemplaza una ventana con un televisor o chimenea. Esto indica que el sistema ha aprendido a "comprender" lo que constituye una cierta parte del interior.



Se puede utilizar un principio similar para otras tomas, como fotografías de retratos. En otro experimento, los investigadores pidieron al sistema que resalte una foto de una mujer sonriente, luego agregue una expresión neutral y "agregue" un hombre con una expresión neutral. El objetivo es destacar el concepto de "sonrisa" y combinarlo con el concepto de "hombre".

Como resultado, los investigadores recibieron un conjunto de imágenes de hombres sonrientes.

Ahora, desafortunadamente, el tamaño de las imágenes está limitado a 32 * 32 píxeles, lo que hace que el sistema sea más rápido y más eficiente. La siguiente etapa del trabajo es la transferencia de dicho esquema a video y audio.

Y después de agregar el efecto 3D, más dinámica, más detalles ambientales adicionales, obtenemos una "matriz" completa. ¿O no?

Source: https://habr.com/ru/post/es387209/