The Birth of the Matrix: jaringan saraf tiruan belajar untuk membuat wajah orang dan interior kamar yang realistis

Dalam Matrix, pada bagian pertamanya, tidak hanya sistem komputer cerdas yang dapat menciptakan dunia virtual, tetapi komputer Nebuchadnezzar, kapal pemberontak, juga dapat menghasilkan dunia virtual miniatur. Banyak yang ingat gadis berbaju merah, yang muncul dalam salah satu simulasi - dia ditampilkan dalam gambar di pengumuman. Sebelum kita membuat model virtual dari dunia nyata, kita (dan komputer kita) masih sangat jauh. Tapi ada sesuatu yang sudah ada di sana sekarang.

Sebuah tim peneliti dari Indico dan Facebook telah menciptakan jaringan saraf yang dapat "menciptakan" gambar yang realistis. Omong-omong, evolusi jaringan saraf dapat ditemukan di sini . Jaringan Saraf Tiruan ( JST)) - model matematika, serta implementasi perangkat lunak atau perangkat kerasnya, dibangun berdasarkan prinsip organisasi dan fungsi jaringan saraf biologis - jaringan sel saraf organisme hidup. Sekarang JST digunakan di banyak bidang, termasuk perkiraan, pengenalan pola, bekerja dengan Big Data. Alec Radford dari Indico dan rekan-rekannya memutuskan untuk memperhatikan semacam NIS sebagai jaringan permusuhan generatif.



Dalam jaringan seperti itu, salah satu bagian dari sistem mencoba membuat array data palsu untuk “mengelabui” bagian kedua. Idenya adalah jika Anda terus-menerus mengulangi proses ini, sistem akan belajar cara membuat gambar yang lebih baik.

Para penulis penelitian ini melatih sistem yang didasarkan pada berbagai gambar kamar tidur. Kemudian sistem diminta untuk membuat gambar mereka sendiri. Untuk memastikan bahwa sistem benar-benar menciptakan gambar asli, dan tidak menyalinnya dari database, para ahli memberikan perintah untuk menghasilkan serangkaian modifikasi gambar kamar tidur yang sama - misalnya, tanpa jendela, dengan meja atau TV. Teknik ini memungkinkan untuk memverifikasi bahwa sistem belajar untuk menghasilkan interior sendiri.

Selain itu, para ahli melatih sistem untuk membuat gambar, di mana satu bagian penting (misalnya, jendela) diganti oleh sesuatu. Sebagai contoh, sistem menggantikan jendela dengan televisi atau perapian. Ini menunjukkan bahwa sistem telah belajar untuk "memahami" apa yang merupakan bagian tertentu dari interior.



Prinsip serupa dapat digunakan untuk bidikan lain, seperti foto potret. Dalam percobaan lain, para peneliti meminta sistem untuk menyorot foto seorang wanita yang tersenyum, kemudian menambahkan ekspresi netral dan "menambahkan" seorang pria dengan ekspresi netral. Tujuannya adalah untuk memilih konsep "senyum" dan menggabungkannya dengan konsep "manusia".

Hasilnya, para peneliti menerima satu set gambar pria yang tersenyum.

Sayangnya, sekarang ukuran gambar dibatasi hingga 32 * 32 piksel, yang membuat sistem lebih cepat dan lebih efisien. Tahap kerja berikutnya adalah transfer skema semacam itu ke video dan audio.

Dan setelah efek 3D ditambahkan, ditambah dinamika, ditambah detail lingkungan tambahan, kami mendapatkan "Matriks" lengkap. Atau tidak?

Source: https://habr.com/ru/post/id387209/