tsta

Home / دومین کنفرانس ملی عصر انفجار تکنولوژی؛ هوش مصنوعی، تحولی در صنعت، تجارت و زنجیره تامین و دومین کنفرانس ملی علم داده در کاربردهای مهندسی

یادگیری تبدیل تصویر به کمک شبکه‌های مولد تخاصمی

Authors :

امیر خاکپور¹

1- دانشگاه صنعتی امیرکبیر

Keywords :

تبدیل تصویر،یادگیری بدون ناظر،شبکه‌های مولد تخاصمی،فضای تبدیل،سنتز تصویر

Abstract :

این پژوهش به بررسی مسئله‌ی تبدیل تصویر می‌پردازد، با هدف یادگیری دگرگونی‌های بنیادین (مانند تغییر فصل‌ها) از مجموعه‌ای از تصاویر بدون برچسب. از آنجا که جهان واقعی مملو از تبدیل‌های نامحدود است، این وظیفه در چارچوب یادگیری بدون ناظر به چالشی چشمگیر تبدیل می‌شود. برای غلبه بر این مانع، چارچوب یادگیری نوینی مبتنی بر شبکه‌های مولد تخاصمی ارائه می‌دهیم که در آن متمایزکننده و مولد، فضای تبدیل یکسانی را به اشتراک می‌گذارند. پس از بهینه‌سازی کامل مدل، انتظار می‌رود هر دو نقطه در این فضای مشترک، یک تبدیل معتبر را تعریف کنند. بدین ترتیب، در مرحله استنتاج، قادریم عامل تغییر بین هر زوج تصویر دلخواه را با نگاشت هر دو تصویر به فضای تبدیل، به طور کامل استخراج کنیم. بردار تبدیل حاصل می‌تواند سنتز تصویر را هدایت کرده، ویرایش تصویر را با ایجاد تغییرات معنایی پیوسته (مانند تبدیل تابستان به زمستان با عبور از مرحله میانی پاییز) میسر سازد. شایان توجه است که فضای تبدیل یادگرفته شده نه تنها انتقال سبک تصاویر (مانند تغییر روز به شب)، بلکه دستکاری محتوای تصویر (مانند افزودن ابر به آسمان) را نیز پشتیبانی می‌کند. افزون بر این، تحلیل عمیقی از ویژگی‌های فضای تبدیل ارائه شده تا چگونگی سازماندهی تبدیل‌های گوناگون را روشن سازد.