英偉達近期在GAN相關研究和應用方面進展迅猛，在前一陣的成果展示中，通過利用生成對抗網絡(GAN)及無監督學習兩種深度學習技術，實現了場景間的四季轉換，通俗來說，就是去除路旁的積雪或是為干枯的樹木補齊樹葉，這一成果也被其利用在自動駕駛數據收集方面。
英偉達近期在GAN相關研究和應用方面進展迅猛，在前一陣的成果展示中，通過利用生成對抗網絡(GAN)及無監督學習兩種深度學習技術，實現了場景間的四季轉換，通俗來說，就是去除路旁的積雪或是為干枯的樹木補齊樹葉，這一成果也被其利用在自動駕駛數據收集方面。
在近日英偉達發表的論文中，對該技術的描述是‘多模’，能夠將一幅圖像轉換為多幅圖像。舉例來說，用一張豹子的照片或視頻，可將其變為家貓，老虎甚至狗。
兩種深度學習技術，無監督學習和生成對抗網絡(GAN)，其工作方式是將圖像內容與風格分開。如在貓的照片中，貓的姿勢是內容，品種是風格。在變換物種的過程中，內容是一致的，變化的是品種或物種外形特征。
除了上述的應用外，多模式圖像翻譯還可為工作室提供更快更簡單的方式來創建角色或世界，或是幫助藝術家放置冗長的任務，讓其擁有更多發揮想象力的空間。
責任編輯：楊昕儀
專題
最新發布