智能应用 影音
Microchip
英飞凌webinar

NVIDIA透过有限的数据集实现人工智能训练上的突破

  • 赖品如/台北

StyleGAN2与ADA以大都会艺术博物馆Collection API所提供不到1,500张图片数据集进行训练而生成的图象。

NVIDIA的研究人员把开创性的神经网络训练技术用于热门的NVIDIA StyleGAN2模型上,以大都会艺术博物馆所提供不到1,500张图片这么小的数据集,用新的角度去审视艺术品。NVIDIA Research的最新人工智能模型,简直就是生成对抗网络界中的奇才。它只要使用一般生成对抗网络(GAN)所需学习材料的一小部分,就能学习到象是模仿著名画家的画风,以及重现癌症组织影像这般复杂的技能。

NVIDIA的研究人员把开创性的神经网络训练技术用于热门的NVIDIA StyleGAN2模型上,以大都会艺术博物馆所提供不到1,500张图片这么小的数据集,用新的角度去审视艺术品。他们用NVIDIA DGX系统来加快训练速度,取材自历史人物肖像,创造出新的AI艺术。

这项称为自我调整判别器增强(adaptive discriminator augmentation;ADA)的技术,将训练所需的影像数量减少了10~20倍,却依旧能获得良好的训练成果。同样的方法有朝一日可能会对医疗领域产生重大影响,象是建立癌症组织学影像来协助训练其它的AI模型。

NVIDIA绘图研究部门副总裁David Luebke表示:「这些结果代表人们可以使用生成对抗网络来解决问题,这些问题不是得耗费大量时间来取得海量数据,不然就是难以取得这么大量的数据。我迫不及待地想看看艺术家、医学专家和研究人员,会把这项技术用在哪里些领域。」

NVIDIA将于本周在神经信息处理系统年会(NeurIPS)上发表这个研究项目背后的研究报告;该大会接受了28篇 NVIDIA Research的研究报告,刷新了过去的纪录,而本篇报告是其中的一篇。

这项新方法是NVIDIA研究人员在生成对抗网络创新传统中的最新成果,这些研究人员开发出突破性的生成对抗网络模型,象是AI绘画应用程序GauGAN、游戏引擎模仿程序GameGAN及宠物照片变脸程序GANimal。这些应用程序可以在NVIDIA AI Playground上取得。