La empresa británica DeepMind, que pasó a formar parte de Google en 2014, trabaja constantemente para mejorar la inteligencia artificial. En junio de 2018, sus empleados presentaron una red neuronal capaz de crear imágenes 3D a partir de 2D. En octubre, los desarrolladores fueron más allá: crearon una red neuronal BigGAN para generar imágenes de la naturaleza, animales y objetos que son difíciles de distinguir de fotografías reales.
Al igual que con otros proyectos de imágenes artificiales, esta tecnología se basa en una red neuronal generativa adversaria. Recuerde que consta de dos partes: un generador y un discriminador. El primero crea imágenes y el segundo evalúa su similitud con las muestras del resultado ideal.
En este trabajo, queríamos difuminar la línea entre las imágenes generadas por IA y las fotografías del mundo real. Descubrimos que los métodos de generación existentes son suficientes para esto.
Se utilizaron diferentes conjuntos de imágenes para enseñar a BigGAN a crear imágenes de mariposas, perros y comida. Primero, la capacitación se basó en la base de datos ImageNet y luego, el conjunto más grande de JFT-300M de 300 millones de imágenes, dividido en 18,000 categorías.
El entrenamiento de BigGAN tomó 2 días. Se necesitaron 128 procesadores Tensor de Google diseñados específicamente para el aprendizaje automático.
Los profesores de la Scottish Heriot-Watt University también participaron en el desarrollo de la red neuronal. Los detalles sobre la tecnología se describen en el artículo Capacitación
GAN de red neuronal adversarial generativa a gran escala para la síntesis de imágenes naturales de alta fidelidad”.
Video promocional:
En septiembre, los investigadores de la Carnegie Melon University utilizaron redes neuronales generativas adversarias para crear un sistema para superponer expresiones faciales en los rostros de los demás.
Ramis Ganiev
