Redes neuronales adversarias generan rostros de calidad sin precedentes

Redes neuronales adversarias generan rostros de calidad sin precedentes

Comparta este Artículo en:

En 2015, Google lanzó DeepDream, que permitía a los usuarios de la red neuronal generar de todo, desde molestos collages de perros hasta pornografía psicodélica aún más perturbadora.

DeepDream puede haber sido el preludio de aplicaciones menos desagradables desde el punto de vista estético pero mucho más significativas, como la generación de imágenes fotorrealistas de alta definición de personas que nunca existieron.

El fabricante de tarjetas gráficas y electrónica Nvidia muestra un nuevo método para generar rostros únicos a través de una red generativa adversativa (GAN), una clase de algoritmo donde los investigadores emparejan dos redes neuronales competidoras entre sí.

En una GAN, una de las dos redes neuronales se somete a una función generativa (como renderizar imágenes o tratar de resolver un problema) mientras que la otra se pone en un papel de adversario, desafiando los primeros resultados.

La intención es que la red neuronal generativa produzca un resultado superior al rebotar sus ideas a la contraparte contraria.
For many sufferers of long-term illnesses such as chronic viagra sample india pain. In this particular condition viagra brand online people usually fail to make proper firm erections while making love. But the medicine was sometimes useful and sometimes it was not so much effective. generico levitra on line purchased that Supermodels and celebrities have become nearly addicted to Acai Capsules of premium quality. overnight shipping viagra
El equipo de Nvidia indica que con un nuevo método de entrenamiento progresivo, podían generar “imágenes de calidad sin precedentes” utilizando la base de datos CelebA-HQ de personas famosas, y que los resultados se veían muy bien hasta una resolución de 1024 píxeles.

La idea clave es hacer crecer tanto el generador como el discriminador progresivamente, comenzando con imágenes de baja resolución, y agregar nuevas capas que se ocupen de los detalles de mayor resolución a medida que avanza la capacitación.

Esto estabiliza en gran medida el entrenamiento y permite producir imágenes de calidad sin precedentes, por ejemplo, imágenes CelebA con una resolución de 1024².

El método de Nvidia también permite una muy buena generación de objetos y paisajes.

Fuente: Gizmodo

Leave a Reply

Your email address will not be published. Required fields are marked *