Nasıl programlanacağını bilmiyor olmanız önemli değil. Bu "Excel" ile sıfır esasına göre bir ağ oluşturabilirsiniz.
İçbükey tapınaktan Xiaocha
Qubit Raporu | Genel Hesap QbitAI
Herkes nasıl programlanacağını bilmez, ancak Excel elektronik tabloları çağdaş beyaz yakalı çalışanlar için temel becerilerdir! Görüntü oluşturmayı gerçekleştirmek için Excel kullanıyorsanız, bu doğru olmaz mıydı? . .
Son zamanlarda birisi gerçekten bir SpaceSheet Araç, basit bir elektronik tablo arayüzüdür.Kodu nasıl yazacağınızı bilmeseniz bile, onu Generative Adversarial Network'ün (GAN) görüntüleri nasıl oluşturduğunu anlamak için kullanabilirsiniz.
Yazar, kullanıcıların doğrudan erişmesi için bir web sayfası Demosu olarak tasarladı:
https://vusd.github.io/spacesheet/
Nasıl oynanır?
SpaceSheet uygulaması iki bölümden oluşur:
Solda Veri seçici , Sağdaki Elektronik tablo arayüzü .
Örnek olarak yüz görüntüleri oluşturmayı ele alalım. Sağdaki tabloda bir konum seçin ve ardından bir yüz seçmek için soldaki öğeye tıklayın.
Elektronik tablonun üst kısmındaki düğmeler aracılığıyla, doldurulmuş yüzler üzerinde aşağıdaki işlemler dizisi gerçekleştirilebilir.
Yüz özelliklerinde sürekli değişiklikler
Doğrusal enterpolasyon yoluyla (Doğrusal enterpolasyon, LERP ), bir değerden diğerine olan "mesafeye" göre eşit aralıklarla bazı resimler ekleyebilirsiniz.
Üst işlem çubuğundaki LERP düğmesi, elektronik tablodaki seçili hücreler arasında doğrusal enterpolasyon sağlar.
Doğrusal enterpolasyon yöntemiyle, iki yüz arasında yumuşak bir geçiş görüntüsü oluşturulur ve bu, yüz özelliklerinin sürekli sürecini anlamamıza yardımcı olabilir:
Yalnızca tek boyutlu enterpolasyonu desteklemekle kalmaz, aynı zamanda yalnızca iki boyutlu enterpolasyonu destekler. 4 yüz görüntüsü arasındaki sürekli değişiklikleri gösteren enterpolasyonlu bir "matris" oluşturmak için dört köşe belirtin:
Ek olarak, iki yüz görüntüsünün "orta noktasında" enterpolasyona ek olarak, kaydırıcı (KAYDIRICI) Ofset miktarını ayarlayın.
Önceki doğrusal enterpolasyon ayrıksa, kaydırıcı bize sürekli değişen bir görüntü sağlar. Onunla bilinen iki görüntü arasındaki "fark" yapay olarak kontrol edilebilir.
"Sarışın" özelliğini çıkarın
Bu uygulama aynı zamanda yüzdeki "öznitelik vektörünü" de izole edebilir ( Öznitelik Vektörleri ),
Öznitelik vektörü nedir? İnsan yüz özelliklerini örnek olarak alın.
Önce siyah saçlı bir yüz seçin ve ardından sarı saçlı bir yüz seçin. İkisi için Fark (EKSİ), bu fark "sarışın" özelliği, bu yüzden bir sarışınımız var Öznitelik vektörü .
Bu öznitelik vektörünü elde ettikten sonra geçebiliriz Toplam Operasyon (SUM) herkese sarı saç ekler:
Benzer şekilde insanlara da verebiliriz eksi Siyah saçın yüz görüntüsünü elde etmek için (EKSİ) öznitelik vektörü:
Diğer temel işlemler
Yukarıdaki işlemlere ek olarak yüz görüntüsünün "mesafesini" ve "ürününü" de bulabiliriz.
Yüz görüntüsü elbette bir resim, neden ekleyip çıkarabilir ve mesafeyi bulabiliriz?
Bahsetmeliyim Potansiyel alan , Her yüz görüntüsü bu uzayda bir vektördür, elbette bu vektörler üzerinde dört işlem yapabiliriz. İşlemin sonucu bu uzaydaki başka bir vektördür ve onu bir resme dönüştürebiliriz.
Ağ modeli alanını anlamak için tabloları kullanın
Gizli değişken
Yüz görüntülerinden oluşan gizli alan, üretici bir sinir ağı tarafından oluşturulur.
Üretken sinir ağı, bir dizi eğitim verisinden öğrenen ve genelleştirilmiş bir model oluşturan bir tür makine öğrenimi algoritmasıdır. Daha sonra yeni veri örnekleri oluşturmak için bu modelleri örnekleyebiliriz ve sonuçlar eğitim verilerimize dayanır.
Bu, orijinal verilerin kendisinden daha az parametreye sahip bir parametre seti üzerinde bir sinir ağını eğiterek elde edilir. Bunu yaparken model, eğitim verilerinin daha kompakt bir temsilini öğrenir. Bu temsillere gizli değişkenler denir.
Gizli boşluktan örneklenen gizli değişkenler, gözlemlenebilir veri örneklerine dönüştürülebilir.
Örneğin kırmızı bir şarap kadehi tasarlamak istersek, iki boyuttan büyütülerek daha geniş veya daha uzun hale getirilebilir. Gizli bir değişken olarak anlaşılabilir.
Bu alanda keşfedebiliriz, ancak insan yüzleri gibi daha karmaşık görüntülerle karşılaşırsak ne yapmalıyız? SpaceSheet, gizli uzaydaki değişkenlerin sürekli değişikliklerini anlamamıza sezgisel olarak yardımcı olabilir.
Öznitelik vektörü
Çıkarma yoluyla, belirli özellikler gizli değişkenlerden ayrılabilir. Çıkarma ile elde edilen fark denir Öznitelik vektörü , Ve özelliklerini aktarmak için diğer gizli değişkenlere uygulanabilir.
Örneğin, gülümseyen bir yüz görüntüsünün ortalama vektörü hesaplanarak ve gülümsemesiz bir yüz görüntüsünün ortalama vektörü çıkarılarak, yüzün gizli alanında bir "gülümseme vektörü" oluşturulur.
Bu vektör daha sonra onları az çok "gülümsemek" için gizli değişkene eklenebilir veya ondan çıkarılabilir.
Öznitelik vektörünün çıkarılmasının etkili olduğu kanıtlanmış olsa da, öznitelikler arasında güçlü bir korelasyon olduğunu gösteren diğer "ilgili özniteliklerden" de etkilenir.
Örneğin yukarıdaki şekilden, "gülümseme vektörü" uygulamasının yüze daha kadınsı özellikler eklemeye yol açtığını görebiliriz (kadınlar daha çok gülümsemeyi sever mi?).
SpaceSheet, kullanıcıların bu alanda hesaplamalar yapmalarına ve bunları elektronik tabloda gerçek zamanlı olarak görüntülemelerine, kullanıcıların işlem sonuçlarını anında gözlemlemelerine ve ilgili önlemleri almalarına olanak sağlamaktır.
Bu güçlü elektronik tablo arayüzünü kullanmak, tasarımcıların potansiyel alanda tasarım deneyleri yapmasına yardımcı olabilir. Profesyonel olmayanlar bile kolayca başlayabilir.
Yüz görüntüleri gibi daha karmaşık alanlar için, SpaceSheet ayrıca, ağ oluşturmanın çalışma sürecini anlamamıza yardımcı olacak bazı "gelişmiş oyunlara" sahiptir.
muhakeme
Doğrusal enterpolasyon, iki değişken arasına bir değişken eklemektir. İki değişkenin dışını doğrusal bir şekilde tahmin edersek, yüz görüntüsünün evriminin yönünü çıkarabiliriz.
Yukarıdaki tablo görüntülerinde, sol üst, sağ üst ve sol alt yüz görüntülerinin tümü sol veritabanından seçilmiştir. Bunları seçtikten sonra, sağ alt yüz görüntüsünü elde etmek için "LERP" öğesini seçin. Bu resim önceki 3 resme dayanmaktadır.
Ayarlanabilir yüzler oluşturun
Kullanıcı ayrıca mevcut görüntüye dayalı olarak ayarlanabilir bir görüntü oluşturabilir ve onunla bilinen görüntü arasındaki "fark" kontrol edilebilir olarak kabul edilir.
Yukarıdaki şekilde gösterildiği gibi, MOD hücresinde kullanıcının benzer gizli değişkenler elde etmek için belirli gizli değişkenler etrafında ayarlama yapmasını sağlayan bir "kontrol çubuğu" vardır.
İkisi arasındaki farkın derecesi, kol ile hücrenin merkezi arasındaki açı ve mesafe ile kontrol edilebilir ve bunu istediğiniz gibi değiştirebilirsiniz.
Daha fazla veri seti
Yazı tiplerine ve yüzlere ek olarak, web sitesi ayrıca renk , Word2Vec , MNIST el yazısı veri seti seçim için.
Lisansüstü Öğretmen Ağı
SpaceSheet'in gerçekleştirilmesi, yazarın "sinir ağından" ayrılamaz Lisansüstü Öğretmen Ağı .
Yeni Zelanda Wellington Üniversitesi Tasarım Okulu'nda kıdemli öğretim görevlisi olan Tom White, şu anki araştırması sinir ağlarının yaratıcı potansiyeli ve tasarımcı işbirliğine odaklanıyor.
Bu araç seti, kendisi ve yüksek lisans öğrencisi Bryan Loh tarafından oluşturulan bir "sinir ağı" tarafından ortaklaşa tamamlandı:
Rastgele fikri "oluşturucu" yüksek lisans öğrencisine girin ve ardından yüksek lisans öğrencisinin fikir sonucunu "ayırt edici" eğitmene girin ve ardından araştırma sonuçlarının yayınlanıp yayınlanamayacağını belirleyin.
Portal
proje adresi:
https://vusd.github.io/spacesheet/
GitLab adresi:
https://gitlab.com/bryanlohjy/spacesheets-mdi-eval
- Bitiş -
Samimi işe alım
Qubit, editörleri / muhabirleri işe alıyor ve merkezi Pekin, Zhongguancun'da bulunuyor. Yetenekli ve hevesli öğrencilerin bize katılmasını dört gözle bekliyoruz! İlgili ayrıntılar için lütfen QbitAI diyalog arayüzünde "işe alım" kelimesini yanıtlayın.
Qubit QbitAI · Toutiao İmzalayan Yazar
' ' Yapay zeka teknolojisi ve ürünlerindeki yeni eğilimleri takip edin
