HyperAIHyperAI

Command Palette

Search for a command to run...

SharinGAN: دمج البيانات الصناعية والحقيقية لتقدير الهندسة بدون إشراف

Koutilya PN Hao Zhou* David Jacobs

الملخص

نقترح طريقة جديدة لدمج الصور المصنعة والصور الحقيقية عند تدريب الشبكات لتحديد المعلومات الهندسية من صورة واحدة. نقترح طريقة لتحويل نوعي الصور إلى مجال مشترك واحد. هذا يرتبط بشبكة رئيسية للتدريب من النهاية إلى النهاية. المثالي هو أن يؤدي ذلك إلى صور من المجالين تقدم معلومات مشتركة للشبكة الرئيسية. تظهر تجاربنا تحسينات كبيرة على أحدث التقنيات في مجالين مهمين، وهما تقدير المتجهات الطبيعية لأوجه الإنسان وتقدير العمق الأحادي للمناظر الخارجية، وكلاهما في إعداد غير مشرف (unsupervised setting).


بناء الذكاء الاصطناعي بالذكاء الاصطناعي

من الفكرة إلى الإطلاق — سرّع تطوير الذكاء الاصطناعي الخاص بك مع المساعدة البرمجية المجانية بالذكاء الاصطناعي، وبيئة جاهزة للاستخدام، وأفضل أسعار لوحدات معالجة الرسومات.

البرمجة التعاونية باستخدام الذكاء الاصطناعي
وحدات GPU جاهزة للعمل
أفضل الأسعار

HyperAI Newsletters

اشترك في آخر تحديثاتنا
سنرسل لك أحدث التحديثات الأسبوعية إلى بريدك الإلكتروني في الساعة التاسعة من صباح كل يوم اثنين
مدعوم بواسطة MailChimp
SharinGAN: دمج البيانات الصناعية والحقيقية لتقدير الهندسة بدون إشراف | مستندات | HyperAI