声音简介
伊恩 古德费洛,约舒亚·本吉奥 Yoshua Bengio和他们在蒙特利尔大学的同事们表示,可以训练前馈网络在对抗的背景下生成更好的样本,一个深层次卷积网络可以通过尝试欺骗另一个卷积神经网络来训练生成优质的图像样本,后者必须决定一个输入的图像是真实的还是虚假的,生成网络的输出被用来作为一个经过训练的判别卷积网络的输入,后者只给出一个单一的输出,如果输出输入是真实图像就返回1,否则返回0,这两个网络会相互竞争生成网络,试图增加判别网络的错误率,判别网络在试图降低自身的错误率,由这两个目标之间的紧张关系,产生的图像拥有令人难以置信的照片级的真实感。
通过慢慢改变生成是网络的输入向量,有可能逐渐改变图像,使得部件或零碎物品如窗户逐渐显现或变成其他物体,更值得关注的是,有可能通过添加和减去表示网络状态的向量,以获得图像中对象的混合效果,这些使用的意义在于生成网络对象图像中空间的表征,正如我们如何描述场景的各个组成部分,这项技术正在迅速发展及下一个前沿领域是生成逼真的电影,通过训练一个反复演绎的深层式对抗网络,与类似玛丽莲梦露这样的演员参演的电影进行对比,应该有可能创造出以过世的演员出演的新作品。
米兰的时装周,衣着光鲜的模特们带着超凡脱俗的表情在t台上走秀,时尚界正在经历暗潮涌动,很多工作正在消失,西尔维亚·文图里尼·芬迪,在她的时装秀开场前说道:“机器人会承担旧的工作,但他们唯一无法取代的就是我们的创造力和思维”。
现在想象一下,经过训练的新一代对抗网络,他们可以生产新款式和高级时装,式样几乎无穷无尽,时尚界可能正处于一个新时代的边缘,而其他许多依赖创意的行业也面临着相同的处境。
20191106
音频列表
- 2019-11
- 2019-11
- 2019-11
- 2019-11
- 2019-10
- 2019-10
- 2019-10
- 2019-10
- 2019-10
- 2019-10
查看更多
用户评论