投組成分個股
市場指數
Nvidia的AI能夠補全圖像
Nvidia提出了一種處理複雜圖像的新方法，它能使用神經網路演算法來填補圖像間的空白處，從而在合理的時間內製作出更加逼真的圖像。
從相冊里，選出一張和前任的照片，然後摳掉前任，再把摳去的部分用自然的背景填補，使整張照片看起來毫無破綻。我們以往為了做到這一點需要精妙的地操作圖形軟體。軟體里提供了相關工具可以使用周圍的像素來估算填充進剪影中的顏色和圖案。
除了這些「有效的」外部像素，它們還會對插入到剪切片段中的副本進行採樣，以便將它們組合成所有可能性中最佳的背景圖案。
大多數情況下，這種方法的效果非常好。但是像素的雙重傾斜也會產生粒狀偽影和模糊拖尾效果，需要在後期製作中進行修復。
經驗豐富的數字藝術家可以通過輕微地撫平圖像來輕鬆完成此操作，但仍然要佔用不少的工作量。
Nvidia回到了繪圖板上，將智能演算法用在如何有效地選擇正確的像素來填補漏洞的細節，以便與周圍的模式相結合。
這種新的修復過程不僅使用「有效」像素來確定哪些細節需要落在何處，而且還利用訓練有素的神經網路的深度學習能力來更好地推斷出它們應該如何在畫面中布局。
這有點像教授藝術系學生如何對照美術館的展出品畫廊來獲得繪畫經驗。
一點一點地，通過學習規則，他們掌握了其間的竅門，把他們笨拙的塗鴉變成傑作。
這個學習過程已經足夠智能了，即使是最好的人工智慧也無法掌握所有的細節。只要看看Google的Deep Dream網路創作出的噩夢景象！……還是不要吧。
最近，一位名叫Robbie Barrat的藝術家使用了類似的經典AI訓練過程來生成裸體圖像，好吧，它們也並不完全算是NSFW。
為了改進這一點，Nvidia應用了一種新穎的數學工具來改變AI切割區域內的像素與外部像素進行比較的方式，從而形成更加正常的混合外觀。
看看下面的例子，比較現有的方法(b)與Nvidia的AI(c)和未未見修改的原始圖像(d)。
當然，它並不總是完美的，但這是編輯技術的巨大飛躍。
這對藝術家來說是一場巨大的勝利，但對於我們這些試圖弄清楚一張圖片是否是真實呈現的人而言，就是一件令人腦殼痛的事情。
去年，Nvidia開發了一款能投入實際使用的被稱為生成對抗網路(GAN)的系統，掀起了網路製作虛構圖像的熱潮。
他們利用GAN的力量來修改視頻中的景觀，改變諸如天氣或一天中的時間之類的參量。
現在的技術，可以從頭到尾生成一段無懈可擊的視頻，允許我們讓總統在youtube視頻中發起第三次世界大戰或宣布辭職，包括聲音部分都能完美的再現。或許，我們即將進入一個確定性喪失的時代。(原文)
沒有留言:
張貼留言