Rate this post

به گزارش عاشق وب آیا می توانید بگویید کدام یک از این تصاویر چهره واقعی انسان ها هستند و کدام یک خیر؟ به تازگی پژوهشگران موفق به توسعه هوش مصنوعی شده اند که قادر به ایجاد تصاویری همانند چهره های واقعی انسان ها است.
به گزارش عاشق وب به نقل از ایسنا و به نقل از دیلی میل، پژوهشگران شرکت آمریکایی “اِنویدیا “(NVIDIA) موفق به توسعه هوش مصنوعی شده اند که می تواند تنها با داشتن چند تصویر از افراد، تصاویر چهره های آنها را تولید کند.
اِنویدیا یک شرکت آمریکایی و پیشگام در امر تکنولوژی های کارت های ویدئویی، گرافیکی، ایستگاه های کاری، کامپیوتر های شخصی و… در سرتاسر جهان است.
برای خیلی از مردم تشخیص تفاوت بین چهره اصلی و چهره غیرواقعی افراد دشوار می باشد. پژوهشگران شرکت انویدیا مقاله ای درباره این مورد منتشر نموده و در آن توضیح دادند که چگونه در مطالعه اخیر خود از شبکه های” Adversarial Generators” (GANs) به منظور تولید تصاویری همانند چهره های واقعی انسان ها بهره برده اند.

شبکه های ترافعی تولیدی(GANs) یک بخش از الگوریتم های هوش مصنوعی هستند که در یادگیری بدون نظارت مورد استفاده قرار می گیرند و توسط یک سیستم دارای دو شبکه عصبی اجرا می گردد. یادگیری بی نظارت یا یادگیری بدون نظارت یکی از انواع یادگیری در یادگیری ماشینی است. اگر یادگیری بر روی داده های بدون برچسب و برای یافتن الگوهای پنهان در این داده ها صورت گیرد، یادگیری، بدون نظارت خواهد بود.
تصاویر چهره های غیر واقعی را می توان به راحتی با استفاده از یک روش شناخته شده به نام “انتقال سبک”(style transfer) تولید کرد که طی این روش، خصوصیات تصاویر افراد با یکدیگر ترکیب می شوند.

در این تولیدگر تصویر افراد را بعنوان مجموعه ای از سه سبک که به “سبک های درشت”(coarse styles) (ژست، مو، شکل صورت)، “سبک های متوسط”(middle styles) (ویژگی های صورت و چشم) و “سبک های خوب” (fine styles) (طرح رنگی) شناخته می شود، تصور می کند.
هوش مصنوعی که این شرکت توسعه داده قادر به تشخیص صورت حیواناتی مانند گربه و اشیاء مانند اتاق خواب هم می باشد.
پژوهشگران یک شبکه تولید کردند تا نشان دهند که چه میزان می توانند خصوصیات چهره افراد را با استفاده از یک تصویر تغییر دهند. با این وجود کار این هوش مصنوعی کاملا بی نقص نیست چون که اگر با دقت به چهره افراد دقت کنید می توانید تصویر چهره غیرواقعی آنها را تشخیص دهید.

همینطور می توان از این روش برای بازسازی تصاویر قدیمی که صدمه دیده اند، برای رفع پیکسل های خراب یا ویرایش های بد هم استفاده نمود.
متخصصان گرافیک شرکت انویدیا، داده ها را با استفاده از تولید شکاف های نامنظم در تصاویر به شبکه عصبی مذکور وارد کردند و بعد از آن سیستم توانست مشخص نماید که کدام قسمت های تصاویر سوراخ و خالی است وآنها را پر کند.