Amin'ny ankapobeny, ny maodely miteraka lalina toa ny GAN, VAE, ary ny maodely autoregressive dia miatrika olana amin'ny famoronana sary.
Raha jerena ny kalitao avo lenta amin'ny angon-drakitra noforonin'izy ireo, ny tamba-jotra mpifanandrina miteraka (GANs) dia nahazo saina be tato anatin'ny taona vitsivitsy.
Ny modelin'ny diffusion dia sehatra fianarana hafa mahaliana izay efa nametraka ny tenany. Ny sehatry ny sary, ny horonan-tsary ary ny famoronana feo dia samy nahita fampiasa betsaka ho azy roa.
Modely diffusion vs. GAN: Iza no mamokatra vokatra tsara kokoa? Mazava ho azy fa nitarika adihevitra mitohy izany.
Ao amin'ny rafitra computational fantatra amin'ny anarana hoe GAN, roa ny tambajotra vaovao dia miady amin'ny tsirairay mba hamokatra angon-drakitra vao haingana izay afaka mandalo amin'ny angona marina.
Miha-malaza hatrany ny maodely diffusion satria manome fitoniana fiofanana sy vokatra avo lenta amin'ny famokarana mozika sy sary.
Ity lahatsoratra ity dia handeha hamaky amin'ny antsipiriany ny modelin'ny diffusion sy ny GAN, ary koa ny maha-samihafa azy ireo sy ny zavatra vitsivitsy hafa.
Noho izany, inona ny Generative Adversarial Networks?
Mba hamoronana angon-drakitra vaovao sy artifisialy izay mety ho diso amin'ny angona tena izy, ny tamba-jotra miady amin'ny generative (GANs) dia mampiasa tambajotra neural roa ary mampifandona azy ireo (noho izany ny "adversarial" amin'ny anarana).
Ampiasaina betsaka amin'ny kabary, video ary famoronana sary izy ireo.
Ny tanjon'ny GAN dia ny hamorona angon-drakitra tsy hita teo aloha avy amin'ny angona manokana. Ny fiezahana hamantatra modely amin'ny fizarana angon-drakitra tena izy, tsy fantatra avy amin'ny santionany, dia manao izany.
Raha lazaina amin'ny teny hafa, ireo tambajotra ireo dia modely mibaribary izay manandrana mianatra fizarana statistika manokana.
Ny fomba nampiasain'ny GAN mba hahitana ny fomba hanatanterahana izany tanjona izany dia tantara. Raha ny marina dia mamokatra angon-drakitra amin'ny alàlan'ny filalaovana lalao roa mpilalao izy ireo mba hamolavola modely tsy misy dikany.
Ity manaraka ity dia mamaritra ny rafitra:
- Fanavakavahana izay mahazo fahafahana manavaka ny angon-drakitra marina sy sandoka
- ny mpamokatra izay maka fomba vaovao hamoronana angona dia afaka mamitaka ny mpanavakavaka.
Ny fanavakavahana dia miseho ho tambajotra neural. Noho izany, mila mamorona sary manana kalitao avo lenta ny mpamokatra mba hamitahana azy.
Ny zava-misy fa tsy voaofana amin'ny fampiasana fizarana vokatra ireo mpamokatra ireo dia fanavahana lehibe eo amin'ny maodely autoencoder sy ny maodely hafa.
Misy fomba roa handrava ny asan'ny fatiantoka ny modely:
- ny fahafahana hamantatra raha toa ka hitan'ny mpanavakavaka tsara ny tena angona marina
- ny angona novokarina dia vinavinaina tsara amin'ny ampahany.
Amin'ny fanavakavahana azo atao tsara indrindra, dia ahena ity asa fatiantoka ity:
Ny maodely generic noho izany dia azo raisina ho toy ny maodely fampihenana ny halavirana ary, raha tsara indrindra ny mpanavakavaka, dia toy ny fampihenana ny tsy fitoviana eo amin'ny fizarana marina sy vokatra.
Raha ny tena izy dia mety hampiasaina ny divergence samihafa ary miteraka fomba fanofanana GAN isan-karazany.
Ny dinamika fianarana, izay misy ny fifampiraharahana eo amin'ny mpamokatra sy ny mpanavakavaka, dia sarotra ny manaraka, na dia tsotra aza ny fanitsiana ny asan'ny GAN.
Tsy misy ihany koa ny toky fa hitambatra ny fianarana. Vokatr'izany, sarotra ny manofana modely GAN, satria mahazatra ny miatrika olana toy ny fanjavonan'ny gradient sy ny firodanan'ny fomba (rehefa tsy misy fahasamihafana amin'ny santionany novokarina).
Fotoana izao ho an'ny Diffusion Models
Ny olana amin'ny fampivondronana fanofanana ataon'ny GAN dia voavaha tamin'ny alàlan'ny famolavolana modely diffusion.
Ireo modely ireo dia mihevitra fa ny fizotry ny diffusion dia mitovy amin'ny fahaverezan'ny fampahalalam-baovao vokatry ny fitsabahan'ny tabataba (miampy tabataba gaussian isaky ny dingana amin'ny diffusion).
Ny tanjon'ny modely toy izany dia ny hamaritana ny fiantraikan'ny tabataba amin'ny fampahalalana misy ao amin'ny santionany, na, raha lazaina amin'ny fomba hafa, ny habetsaky ny fampahalalana very noho ny diffusion.
Raha afaka mamantatra izany ny modely iray, dia tokony ho afaka maka ny santionany tany am-boalohany izy ary manafoana ny fahaverezan'ny fampahalalana nitranga.
Izany dia tanterahina amin'ny alalan'ny modely denoising diffusion. Ny fizotry ny diffusion mandroso sy ny diffusion mivadika no mandrafitra ireo dingana roa ireo.
Ny fizotry ny diffusion mandroso dia manampy tsikelikely ny tabataba Gaussian (izany hoe ny fizotran'ny diffusion) mandra-pahalotoan'ny tabataba ny angon-drakitra.
Ny tamba-jotra neural avy eo dia ampiofanina amin'ny fampiasana ny fomba diffusion mivadika mba hianarana ny mety hisian'ny fitsinjarana fepetra hamadika ny tabataba.
Eto ianao dia afaka mahazo bebe kokoa momba ny modely diffusion.
Modely diffusion Vs GAN
Toy ny modely fanaparitahana, ny GAN dia mamokatra sary avy amin'ny tabataba.
Ny maodely dia voaforon'ny tambajotra neural mpamokatra, izay manomboka amin'ny tabataban'ny fari-pahaizan'ny fampahalalam-baovao sasany, toy ny mari-pamantarana kilasy na fanoratana lahatsoratra.
Ny vokatra dia tokony ho zavatra mitovy amin'ny sary tena misy.
Mba hamoronana taranaka sary mahatoky tena sy mahatoky dia mampiasa GAN izahay. Na dia hita maso kokoa noho ny GAN aza dia novokarina tamin'ny fampiasana modely fanaparitahana.
Amin'ny lafiny iray, ny modely diffusion dia marina kokoa amin'ny famaritana ny zava-misy.
Raha ny GAN dia mandray ho toy ny tabataba kisendrasendra miditra na fari-piadidiana kilasy ary mamoaka santionany tena misy, ny modely diffusion dia matetika miadana kokoa, miverimberina ary mila fitarihana bebe kokoa.
Tsy misy toerana ho an'ny hadisoana rehefa ampiharina imbetsaka ny denoising miaraka amin'ny tanjona hiverina amin'ny sary tany am-boalohany avy amin'ny tabataba.
Ny toeram-pisavana tsirairay dia mandalo mandritra ny dingana famoronana, ary isaky ny dingana dia mety hahazo fampahalalana bebe kokoa hatrany ny sary.
Famaranana
Ho fehin-kevitra, Noho ny fikarohana vitsivitsy manan-danja izay navoaka tamin'ny taona 2020 sy 2021 ihany, ny maodely diffusion dia afaka mihoatra ny GAN amin'ny resaka synthesis sary.
Tamin'ity taona ity, natomboka ny OpenAI DALL-E2, maodely famokarana sary ahafahan'ny practitioner mampiasa modely diffusion.
Na dia manara-penitra aza ny GAN, ny faneriterena ataon'izy ireo dia mahatonga azy ireo ho sarotra ny manitatra sy mampiasa azy ireo amin'ny toe-javatra vaovao.
Mba hahazoana ny kalitao santionany mitovy amin'ny GAN amin'ny fampiasana maodely mifototra amin'ny mety, dia asa be dia be no napetraka tao.
Leave a Reply