В GAN две нейронные сети, генератор и дискриминатор, соревнуются друг с другом в игре, которая позволяет генератору создавать новые данные, необходимые для выполнения задачи, в то время как дискриминатор старается отличить их от реальных данных. Обучение GAN происходит путем обучения генератора на основе ошибок, которые он допускает при создании новых данных, а также обучения дискриминатора на основе ошибок, которые он допускает при различении между реальными и сгенерированными данными.
GAN широко используются в различных областях искусственного интеллекта, таких как компьютерное зрение, обработка естественного языка и создание генеративных моделей.
Мы на пути к созданию ИИ-микроскопа, который будет находить интересные объекты, не зная, что именно нужно искать.
Бесплатный сервис распознаёт сгенерированные ИИ изображения.
PassGAN может взломать 65% популярных паролей менее чем за час.
По-отдельности компьютерное зрение и лидары не могут распознавать темные объекты, совсем другое дело, если использовать их вместе.
Полагаться на стандарт FID, использующийся для автоматической оценки реалистичности искусственно созданных фото, нельзя.
Новая система потенциально может осуществлять наблюдение в темноте и сквозь стены.
Новая система на базе технологий ИИ GauGAN2 позволяет создавать правдоподобные фотографии несуществующих пейзажей.
Многие лица, созданные сетью GAN, имеют поразительное сходство с реальными людьми и могут разоблачить их личности.
Как оказалось, у лиц, сгенерированных искусственно, не все в порядке с формой зрачков.