N'ozuzu, ụdị mmepụta miri emi dị ka GANs, VAEs, na autoregressive ụdị na-edozi nsogbu njikọ oyiyi.
N'iburu ogo dị elu nke data ha na-emepụta, generative adversarial networks (GANs) enwetawo nlebara anya dị ukwuu n'afọ ndị na-adịbeghị anya.
Ụdị mgbasa ozi bụ ngalaba ọmụmụ ihe ọzọ na-adọrọ mmasị nke guzobeworo onwe ya. Mpaghara ihe onyonyo, vidiyo, na ọgbọ olu achọpụtala ọtụtụ ojiji maka ha abụọ.
Ụdị mgbasa ozi vs. GANs: Kedu nke na-arụpụta nsonaazụ ka mma? Dị ka o kwesịrị ịdị, nke a emewo ka e nwee mkparịta ụka na-aga n'ihu.
N'ime ihe owuwu mgbakọ na mwepụ a maara dị ka GAN, abụọ neural netwọk a na-alụso ibe ya ọgụ iji mepụta ụdị data emepụtara ọhụrụ nke nwere ike ịgafe maka ezigbo data.
Ụdị mgbasa ozi na-arịwanye elu na-ewu ewu ebe ọ bụ na ha na-enye nkwụsi ike ọzụzụ na nsonaazụ dị elu maka ịmepụta egwu na eserese.
Isiokwu a ga-agafe ụdị mgbasa ozi na GAN n'ụzọ zuru ezu, yana otu ha si dị iche na ihe ole na ole ndị ọzọ.
Yabụ, kedu ihe bụ Generative Adversarial Networks?
Iji mepụta ihe ọhụrụ, data arụrụ arụ ọrụ nke nwere ike ihie ụzọ maka ezigbo data, netwọọdụ ndị na-emegide ya (GANs) na-eji netwọkụ akwara abụọ wee mebie ha megide ibe ha (ya mere “onye iro” n'aha).
A na-ejikarị ha eme ihe maka ikwu okwu, vidiyo na imepụta foto.
Ebumnuche GAN bụ imepụta data achọpụtabeghị na mbụ site na otu dataset. Ịgbalị ịwepụta ihe atụ nke nkesa data n'ezie, nke a na-amaghị ama site na nlele, na-eme nke a.
N'aka nke ọzọ, netwọkụ ndị a bụ ụdị n'ezoghị ọnụ na-anwa ịmụta nkesa ọnụ ọgụgụ akọwapụtara.
Usoro GAN ji achọpụta ka esi emezu ebumnuche a bụ ihe ọhụrụ. N'ezie, ha na-emepụta data site n'ịkpọ egwuregwu abụọ iji mepụta ihe ngosi doro anya.
Nke a na-akọwa nhazi ahụ:
- onye ịkpa oke nke na-enweta ikike ịmata ọdịiche dị n'etiti data adịgboroja na adịgboroja
- onye na-emepụta ihe na-ebuli ụzọ ọhụrụ iji mepụta data nwere ike ịghọgbu onye ịkpa ókè.
Onye ịkpa ókè na-egosi dị ka netwọk akwara. Ya mere, generator kwesịrị ịmepụta foto nwere àgwà dị elu iji ghọgbuo ya.
Eziokwu ahụ bụ na a naghị azụ ndị na-emepụta ihe ndị a site na iji nkesa mmepụta ọ bụla bụ ihe dị ịrịba ama n'etiti ụdị autoencoder na ụdị ndị ọzọ.
Enwere ụzọ abụọ iji mebie ọrụ ọnwụ nke ihe nlereanya ahụ:
- ikike ịkọwapụta ma ọ bụrụ na onye ịkpa oke na-ahụ anya nke ọma data
- A na-ebu amụma nke ọma data emepụtara site na otu akụkụ.
N'ihe kacha mma enwere ike ịkpa oke, a na-ebelata ọrụ mfu a:
Enwere ike iche ụdị ụdị ọ bụla dị ka ụdị mbelata anya yana, ọ bụrụ na onye ịkpa oke dị mma, dị ka mbelata ọdịiche dị n'etiti nkesa eziokwu na nke emepụtara.
N'ezie, enwere ike iji ọdịiche dị iche iche mee ihe ma mee ka usoro ọzụzụ GAN dị iche iche pụta.
Usoro mmụta mmụta, nke gụnyere ịzụ ahịa n'etiti onye na-emepụta ihe na onye ịkpa ókè, na-esiri ike ịgbaso, n'agbanyeghị na ọ dị mfe ịhazigharị ọrụ efu nke GAN.
Enweghịkwa mmesi obi ike na mmụta ga-agbakọta. N'ihi ya, ịzụ ihe nlereanya GAN siri ike, ebe ọ bụ na ọ bụ ihe na-emekarị ka ọ gafee nsogbu dị ka gradients na-apụ n'anya na ọdịda ọnọdụ (mgbe ọ dịghị ihe dị iche iche na ihe atụ emepụtara).
Ugbu a, ọ bụ oge maka Mgbasa Models
E doziela nsogbu dị na nzụkọ ọzụzụ GAN site na mmepe ụdị mgbasa ozi.
Ụdị ndị a na-eche na usoro mgbasa ozi dabara na mfu ozi nke nnyonye anya na-aga n'ihu na-ebute (a na-agbakwunye ụda gaussian n'oge ọ bụla nke usoro mgbasa ozi).
Ebumnuche nke ihe nlereanya dị otú ahụ bụ iji chọpụta otú mkpọtụ si emetụta ozi dị na nlele ahụ, ma ọ bụ, n'ikwu ya n'ụzọ ọzọ, ole ozi na-efunahụ n'ihi mgbasa.
Ọ bụrụ na ihe nlereanya nwere ike ịchọpụta nke a, ọ ga-enwe ike iweghachite ihe nlele mbụ wee megharịa mfu ozi mere.
A na-eme nke a site na ụdị mgbasa ozi na-adịghị mma. Usoro mgbasa ozi na-aga n'ihu na usoro ntụgharị azụ na-eme nzọụkwụ abụọ ahụ.
Usoro mgbasa ozi na-aga n'ihu na-agụnye iji nwayọọ nwayọọ na-agbakwunye ụda Gaussian (ya bụ, usoro mgbasa ozi) ruo mgbe ụda mebiri data ahụ kpamkpam.
A na-azụkwa netwọkụ akwara ozi site na iji usoro ntụgharị azụ iji mụta ohere nkesa nwere ọnọdụ iji tụgharịa mkpọtụ ahụ.
Ebe ị nwere ike ịghọta ihe ndị ọzọ ụdị mgbasa ozi.
Model Diffusion Vs GANs
Dị ka ụdị mgbasa ozi, GAN na-emepụta foto site na mkpọtụ.
Ihe nlere ahụ bụ netwọkụ akwara na-emepụta ihe, nke na-amalite site na mkpọtụ nke mgbanwe mgbanwe mgbanwe, dị ka akara klaasị ma ọ bụ ederede ederede.
Ihe ga-esi na ya pụta kwesịrị ịbụ ihe yiri ihe oyiyi ezi uche dị na ya.
Iji mepụta ọgbọ onyonyo nke ezi uche na ntụkwasị obi dị elu, anyị na-eji ndị GAN na-arụ ọrụ. A na-emepụta ọbụna ihe nlere anya karịa nke GAN site na iji ụdị mgbasa ozi.
N'otu ụzọ, ụdị mgbasa ozi ziri ezi karịa n'ịkọwa eziokwu.
Ọ bụ ezie na GAN na-ewere dị ka mkpọtụ ntinye na-enweghị usoro ma ọ bụ mgbanwe nhazi klaasị wee wepụta ihe nlele ziri ezi, ụdị mgbasa ozi na-adịkarị nwayọ, na-atụgharị ma na-achọ ntụzịaka ka ukwuu.
Enweghị ohere dị ukwuu maka njehie mgbe a na-etinye nkwubi okwu ugboro ugboro na ebumnuche nke ịlaghachi na foto mbụ site na mkpọtụ ahụ.
A na-agafe ebe nlele ọ bụla n'oge usoro okike, ma na nke ọ bụla, foto a nwere ike nwetakwuo ozi.
mmechi
Na mmechi, N'ihi nyocha ole na ole dị ịrịba ama nke ebipụtara naanị na 2020s na 2021, ụdị mgbasa ozi nwere ike karịa GAN ugbu a n'usoro nhazi foto.
N'afọ a, OpenAI malitere DALL-E2, ụdị mmepụta ihe oyiyi nke na-enye ohere ka ndị na-arụ ọrụ were ụdị mgbasa ozi.
Ọ bụ ezie na ndị GAN na-egbutu ọnụ, ihe mgbochi ha na-eme ka ọ bụrụ ihe ịma aka n'ịba ụba na iji ha mee ihe n'ọnọdụ ọhụrụ.
Iji nweta ogo nlele GAN dị ka iji ụdị nwere ike, etinyela ọtụtụ ọrụ n'ime ya.
Nkume a-aza