¿Qué foto es falsa? Red neuronal de NVIDIA convierte el invierno en verano

NVIDIA

Se ha creado un algoritmo para transferir detalles entre imágenes (image-to-image translation), basado en el aprendizaje no supervisado, lo que facilita la recopilación de datos para su entrenamiento. Los desarrolladores demostraron su trabajo convirtiendo la grabación de un viaje en auto en invierno a verano, y también cambiando la raza de los perros. El trabajo fue presentado en la conferencia NIPS 2017. El código del proyecto y su descripción han sido publicados en GitHub.

Para transferir detalles entre imágenes, como en otras aplicaciones de aprendizaje automático, se utilizan diferentes métodos, que pueden dividirse en dos grandes tipos: aprendizaje supervisado y no supervisado. El segundo se basa en redes neuronales generativas y antagónicas -dos redes que compiten mutuamente-. En este caso, una de ellas crea una imagen y la segunda la estima y determina si es real o falsa. Gracias a que ambas redes están constantemente entrenándose, la red neuronal generativa antagónica da un resultado de mayor calidad progresivamente.

 

Esquema del algoritmo. E: codificadores, G: red neuronal generativa, D: red neuronal antagónica, z: espacio oculto
Ming-Yu Liu et al. / NISP 2017

En este caso, los desarrolladores usaron seis subredes: dos redes generativas antagónicas, así como dos autocodificadores variacionales, que codifican la imagen original en un espacio oculto. De hecho, el espacio oculto es una representación comprimida de la imagen, lo suficiente para una restauración más precisa. De este modo, los desarrolladores obtuvieron un sistema que simultáneamente aprende a transferir la imagen en dos direcciones.

Los investigadores evaluaron el algoritmo en imágenes de diferentes tipos. Por ejemplo, convirtieron una grabación de video de un viaje en automóvil en invierno a verano. Es más, el algoritmo tuvo en cuenta que en verano hay hojas en los árboles, no hay nieve y otras sutilezas. También enseñaron al algoritmo a convertir imágenes de viajes diurnos a nocturnos. Además, los autores verificaron la transferencia de imágenes de gatos domésticos a felinos grandes como leones y panteras, la transferencia de razas de perros y la transferencia de partes de la cara.

Los investigadores creen que su método simplificará el entrenamiento de los algoritmos, ya que no es necesario, por ejemplo, viajar por la misma ruta en diferentes épocas del año.

Grigory Kopiev
Si te gustó esta noticia, entérate de más a través de nuestros canales de Facebook y Twitter
.

Novedades

Suscríbete

Déjanos tu mail para recibir nuestro boletín de noticias

La confirmación ha sido enviada a tu correo.