NVIDIA透过有限的数据集实现人工智能训练上的突破

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像。

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张图片这麽小的数据集，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，就能学习到像是模仿着名画家的画风，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张图片这麽小的数据集，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，像是建立癌症组织学影像来协助训练其他的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麽大量的数据。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，像是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。