HyperAIHyperAI

Command Palette

Search for a command to run...

الشبكات العصبية التلافيفية المضادة للإ.Generation بدون أسماء مستعارة

Tero Karras Miika Aittala Samuli Laine Erik Härkönen Janne Hellsten Jaakko Lehtinen Timo Aila

الملخص

نلاحظ أن عملية التوليد في الشبكات التوليدية المتنافسة النموذجية تعتمد، على الرغم من طبيعتها الهرمية التلافيفية، على إحداثيات البكسل المطلقة بطريقة غير صحية. ويتجلى هذا في أمثلة مثل ظهور التفاصيل وكأنها ملصقة بإحداثيات الصورة بدلًا من أسطح الكائنات المُصوّرة. نُرجع السبب الجذري إلى معالجة الإشارة غير الدقيقة التي تُسبب تداخلًا (aliasing) في شبكة المُولِّد. وباعتبار جميع الإشارات داخل الشبكة مستمرة، نستنتج تغييرات معمولية صغيرة في البنية المعمارية تضمن عدم تسرب المعلومات غير المرغوب فيها إلى عملية التوليد الهرمية. تُحقق الشبكات الناتجة أداءً مماثلًا لـ FID الخاص بـ StyleGAN2، لكنها تختلف بشكل كبير في تمثيلاتها الداخلية، وهي متماثلة تمامًا بالنسبة للانسحاب والدوران حتى على مقاييس أقل من البكسل. تُمهد نتائجنا الطريق أمام نماذج توليدية أكثر ملاءمة للفيديوهات والرسوم المتحركة.


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