1987WEB视界-分享互联网热门产品和行业

您现在的位置是:首页 > 人工智能AI > 正文

人工智能AI

AI创作利器演变全过程:人有多大胆,GAN有多高产

1987web2023-08-31人工智能AI104
赖可发自凹非寺量子位报道|公众号QbitAI

赖可 发自 凹非寺量子位 报道 | 公众号 QbitAI

GAN自从诞生以来,一路升级,功能越来越强。

这种强大的方法走过了怎样的进化之路?

GAN的诞生和构架

GAN诞生在2014年,Ian Goodfellow和他的同事发表了名为生成性对抗网络Generative Adversarial Nets的论文。

GAN的构架从此奠定。

它由生成器generators判别器discriminators两部分组成,以无人监督的方式运行。

生成器抓取数据并产生新的合成样本,混入原始数据中,一起送给判别器,判别器区分哪些是原始数据,哪些是后来合成的。这一过程反复进行,直到判别器无法以超过50%准确度从合成样本中分辨出真实样本。

在实践中,GAN的构架也带来一些缺陷。

首先,同时训练生成器和判别器与生俱来的不稳定性。每次参数更新后,需要优化的问题性质都会发生变化,因此模型内部的参数值会振荡或不稳定。更严重的情况是,生成器崩溃,吐出一大堆看起来同类的样本。

其次,生成器和判别器还有互相压倒的风险。如果生成器太精确,就会去利用判别器的弱点钻空子,而不是靠生成更逼真的图片来欺骗判别器;如果判别器太精确,就会阻碍生成器的收敛过程。

最后,缺乏训练数据,也会影响到GAN在语义方面的发展,

不过,英特尔AI实验室的高级主管Hanlin Tang 表示,正在出现的新兴技术可以应对这些局限。他提出了两种方法,一是将多个判别器放入一个模型中,并根据特定数据进行微调。二是喂给判别器密集的嵌入表示,或者数据的数字表示。这样它们可以有更多的信息,来从中提取。

GAN的应用:从图片到语音

1、图像

GAN最有常见和有名的应用是合成以假乱真的图像。

比如英伟达的Style GAN,可以把人物B的脸部特征迁移到人物A上。

详细介绍可以戳:

这些假脸实在太逼真了!英伟达造出新一代GAN,生成壁纸级高清大图毫无破绽

除了人脸,还可以进行其它对象之间的迁移。卡内基·梅隆大学的科学家开发了出了Recycle-GAN,它能把一个视频或照片的内容传到另一个上。

比如人脸和动画脸:

或者让一朵花模仿另一朵开的姿势:

2、视频

从图片前进一步,就是视频。Deepmind开发了DVD-GAN

原始数据集是从Youtube上收集的50万张10秒长的高分辨率视频,最终可以生成256 x 256像素视频,最长能有48帧。

3、音乐

除了可以来制作照片,GAN还可以用来作曲。

亚马逊的deepcomposer键盘的原理和GAN一致。

输入一个简单的旋律,生成器根据随机数据创建样本,判别器进行区分。两者反复改进,最终就会生成一段乐曲。

Demo试听可戳:1行代码就能跑个量子计算!AWS年度巨献:还有3种超牛硬件随你挑 | 狄拉克孙子点赞

4、语音

GAN在语音上的应用并不多,谷歌和帝国理工学院的研究者一起研发了GAN-TTS,这个系统运用GAN,将文本转为自然真实的语音。

这个系统里有10个辨别器,一部分负责判别输出的语音和文本是否一致,另外一部分只关注语音是否真实自然。

5、检测垃圾评论

想解决网上有人用机器刷虚假评论的问题。有研究者开发spamGAN来检测网上的垃圾评论。

spamFAN采用半监督学习的技术,其中将未标记的数据与少量标记的数据结合使用。

在使用10%的标记数据进行训练时,准确性达到了71%至86%。

GAN的未来:如何精细控制

尽管GAN已经取得了很多的进步,英特尔实验室的Hanlin Tang 表示,现在依旧处于早期。

GAN 仍然缺少非常精细的控制,这是一个很大的挑战。

在计算方面,也有研究人员尝试轻型模型。

IBM多模式算法和引擎小组的研究人员Youssef Mroueh正在和同事一起开发小型GAN,用来减少训练时间和内存使用。

它们想努力实现的是,如果生成器太精确,就会去利用判别器的弱点钻空子,而不是靠生成更逼真的图片来欺骗生成器;如果判别器太精确,就会阻碍生成器的收敛过程

如果不用那么多的计算量,不做那么多麻烦的事情,应该怎么改变模型。这就是他们现在努力的方向。

参考资料:https://venturebeat.com/2019/12/26/gan-generative-adversarial-network-explainer-ai-machine-learning/https://papers.nips.cc/paper/5423-generative-adversarial-nets.pdf

— 完 —

量子位 QbitAI · 头条号签约

关注我们,第一时间获知前沿科技动态

开源了代码,就意味着每个人都可以在自己的电脑上安装部署这个项目,人人都可生成自己想要的图片。

但是即便是开源了代码,对于大部分普通人来说,还是非常难以自己搭建体验,你需要自己在电脑上部署,整个部署过程就稍微花不少时间,至少你要懂PYTHON的相关知识,以及学会如何输入正确的指令,以及不同模型的替换。还有重要一点就是————你还需要设备拥有不俗的显卡。即便网络上有很多教程,还是有一些小白搞不定。

因此烟斗汪放上一键操作的二次元stable diffusion懒人包,无需各种部署,一键直接生成使用,让小白可以体验一下AI绘画的魅力。

公众号回复绘画,获取下载地址,懒人包9个g,慎重下载哦。如果链接没了,及时联系我,会补。

懒人包教程

1、解压这9个G的压缩包,你不需要部署环境等任何麻烦的操作,直接选择显存4g/6G/显存8G以及上其中的某一个就可以了。选哪个关系到你的运行生成速度,自己看着选就行。

2、点击显存4g/6G/显存8G以及上之后,会弹出指令框,一开始会比较慢,你需要耐心等待,可能没反应的话点个回车键试试。等到最后出现图片中类似的英文之后,就自动部署完成了。最核心的就是:Running on local URL: http://127.0.0.1:7860

3、在浏览器中输入127.0.0.1:7860,你就可以打开AI绘画的界面了。

4、在prompt中输入你想要的词汇,点击generate,等待进度条完成即可生成图片。

界面操作

这个界面操作其实很复杂,要讲根本讲不完。各种参数需要调节,可以参考各种教程慢慢学习,建议上b站慢慢看。最简单的操作,其实就是输入几个你想要的英文词汇,然后点击generate,即可生成图片。

prompt咒语生成

简单来说,AI绘画最主要就是你输入文字or图片,它给你生成图片。这个输入的文字描述内容就叫做prompt,中文喜欢称之为咒语。这prompt也是最最最核心的,必须是英文(可以用中文翻译后输入英文)。这里,我也收集了一些常用的词汇以及其中文翻译,读者在回复绘画的时候,我也附带送你们啦。5400个标签的中英翻译版本,里面有你们想要的!

如果你要非常精准地生成自己想要的画面,那建议你要好好学习一下了,学成了直接可以换工作了。毕竟咒术师(prompt engineer)这份工作月薪上万轻轻松松了。其实网上资料太多了,我提供的这些只是比较简单,适合小白一键操作的,真的教程,你真的看个好几个小时···

模型训练集

我分享的这个二次元ai绘画,因为用的数据全是一些网络上画师画的二次元妹子,通过ai训练之后,找出了这些二次元图片的特征,因此能够生成类似的二次元风格图片。

如果你要生成其他风格的图片,又要换其他的模型训练集。只要有相关内容的大量数据,你就可以训练生成不同风格的图片。这个网站civitai.com有大量大佬上传的各种风格的模型训练集,甚至还有丁真风格,这位大佬口味真是独特···