新智元报导
来历：venturebeat等
修改：向学
【新智元导读】GANs是人工智能研讨中最为前沿和活泼的范畴之一，其强壮的特技与广泛的运用使其在全球范围内广为流传！那么这风行全球的GANs，其宿世、此生、来世又是怎么呢？在2020年开年之际，咱们来谈一谈。戳右边链接上新智元小程序了解更多！
或许您现已了解到，当时的人工智能现已能够生成类似于人类的语音，或许生成难以与实在相片区别隔的人物图画，乃至到达足以“以假乱真”（假作真时真亦假，无为有处有还无）的境地！
这些一般便是依据“混世魔王”——生成对立网络（Generative Adversarial Networks，GANs）而树立的！GANs的演化——“深度学习三巨擘”之一Yann LeCun称其为10年来最风趣的主意——虽然有些绵长和弯曲，却因为强壮的生命力而一向连续至今；虽然也有美中不足之处，却依旧是当今运用的最“文武双全”的神经网络架构之一。咱们且来品读这风行全球的“混世魔王”的“三生三世”！
宿世：大神级牛人的和风化雨，使得GANs身世之时便不普通
1959年Arthur Samuel从前这样界说机器学习：“Field of study that gives computers the ability to learn without being explicitly programmed.”（使核算机在没有清晰编程的情况下进行学习）。在IBM作业期间，他规划了一款西洋棋游戏——“塞缪尔跳棋游戏”（ the Samuel Checkers-Playing Program），这是最早成功自学的程序之一。
假如Samuel是GANs的“爷爷”，那么前Google Brain研讨科学家（现在苹果公司任职）Ian Goodfellow或许便是GANs的“父亲”。2014年，Goodfellow及其搭档在题为“Generative Adversarial Nets”的研讨论文中，描绘了依据对立网络的生成模型的初次完结。
Ian Goodfellow与“深度学习圣经”
Goodfellow并非仅有从事对立性AI模型规划的人。Dalle Molle人工智能研讨所负责人Juergen Schmidhuber发起可猜测性最小化（Predictability Minimization），经过编码器将被猜测器最小化的方针函数（指定体系要处理的问题）最大化，对散布进行建模。
此生：很多巨擘及贤达助力，使得GANs风行全球，一发而不可收
观摩GANs的架构，方知其间精妙绝伦之处
GANs是由2部分所组成：生成样本的生成器、企图区别生成的样本与实在样本的鉴别器。生成器模型从运用散布对随机噪声的采样中生成组成示例（如图画），并将这些示例与来自练习数据集的实在示例一同“喂”给鉴别器，鉴别器企图在这两者之间进行区别。生成器和鉴别器的才能都得到进步，直到鉴别器无法从组成示例平分辨出实在示例的准确率超越预期的50％。
这种共同的结构，使得GANs能够完结令人拍案叫绝的媒体组成特技；但一起又或许被用于生成有问题的内容，如Deepfake能够将人们带入现有媒体并用其他人的肖像替代自己的！这个结构奇妙否？！
GANs运用场景宽广而悠远，“海纳百川，有容乃大”
GANs或许是以组成图画而风行全球的！Nvidia开发的StyleGAN，经过学习面部姿态、皮肤与头发等特点，生成虚拟人物的高清头像。新版本StyleGAN 2在架构与练习办法方面均有进步，从头界说了感知质量方面的最新水平，生成图画传神到吓人！
运用StyleGAN组成的图画
2019年6月，Microsoft研讨人员具体的介绍了ObjGAN——一款新颖的GAN，能够了解一段文字说明、生成草图，并依据切当描绘完善图画细节。
Obj-GAN的实例
Obj-GAN经过两个过程完结文本到图画的组成
微软发布的另一款StoryGAN，能轻松完结“故事可视化”——给定一个包括多个语句的阶段，经过生成一个图画序列（每个语句对应一个图画）来使故事可视化。StoryGAN相同依据GAN构建，但它包括上下文编码器（可动态盯梢故事流）与两个鉴别器（故事和图画等级），以进步生成的序列的质量和一致性。
https:///en-us/research/uploads/prod/2019/06/1812.02784.pdf
创业公司Vue.ai的GAN经过剖析服装的特征，学会了制造传神的姿态、肤色和其它特征。从服装的快照中，它能够生成各种尺度的模型图画，比传统的相片拍照速度快5倍！
Vue.ai正在引领新的潮流
卡内基梅隆大学（Carnegie Mellon）的科学家们演绎了Recycle-GAN，一种数据驱动的办法，用于将一个视频或相片的内容传输到另一个视频或相片。在对人体的镜头进行练习时，GAN生成的编排捕获了奇妙的表情，如人物浅笑和打开嘴巴时构成的酒窝和线条。
花儿正在开放
坐落首尔的Hyperconnect发布了MarioNETte，它在保存脸的表面的一起，组成经过人的动作动画制造的从头生成的面孔。
MarioNETte的结果与基准的比较
凭借GANs这“混世魔王”和新颖数据集这股“春风，现在仅需几个视频帧就能猜测未来的事情——从前被认为是不或许完结的使命！
DeepMind的一篇最新论文具体的介绍了人工智能编排生成这一新式范畴的最新发展。得益于“核算功率”的组件和技能，以及一套新的定制数据集，他们的最佳功能模型——双视频鉴别器GAN (DVD-GAN)——能够生成256 x 256像素、长达48帧的“高保真”连接视频。
https://arxiv.org/pdf/1907.06571.pdf
一组四秒组成视频编排，在Kinetics-600的128×128帧上练习
Cambridge的参谋们演示了一种名为DeepRay的模型，该模型发明晰视频帧以减轻因为雨水、尘埃、烟雾和其他碎屑而引起的失真。
当GANs在适宜的数据集上练习后，还能创造出新的艺术作品。印度理工学院（Indian institute of technology）与萨西萨伊高级学院（Sri Sathya Sai Institute of Higher Learning）的研讨员规划了一种称为SkeGAN的GAN，能够生成依据笔触的猫、消防车、蚊子和瑜伽姿态的矢量速写。
该模型的运用实例
荷兰马斯特里赫特大学（Maastricht University）的科学家发明晰一种GAN，它能够从12种不同色彩中的一种生成logo。
卡内基梅隆大学毕业生Victor Dibia练习了一个GAN来组成非洲部落面具。
爱丁堡大学（University of Edinburgh）感知研讨所和天文学研讨所的一个团队规划了一个模型，能够生成与实在星系的散布密切相关的虚拟星系图画。
Nvidia在GTC（GPU Technology Conference）上揭开了GauGAN的面纱（GauGAN的姓名来自后印象派画家Paul Gauguin），它是一种生成对立人工智能生成体系，可让用户创立绘声绘色的景色图画。
支撑GauGAN的机器学习模型在来自Flickr的100多万张相片中被练习，让它对180多个目标的联系进行了深化的了解，包括雪、树、水、花、灌木、山丘和山脉。
在上一年8月的一篇论文中，来自东京国立情报学研讨所（National Institute of Informatics）的研讨员研发了一个体系，能经过音节和音符之间的习得联系生成“以歌词为条件”的旋律。
https://arxiv.org/pdf/1908.05551.pdf
上一年12月，Amazon Web Services推出了DeepComposer——一款依据云核算的服务，使用GAN来添补歌曲中的创造空白。
Google和伦敦帝国理工学院（Imperial College London）的研讨员最近着手创立了一个依据GAN的文本到语音体系，能到达（或优于）最先进的办法。他们提出的体系GAN-TTS由一个神经网络组成，该网络经过练习一个包括567个编码语音、时长和腔调数据的语音语料库来学习发生原始音频。
来世：问悠远未来路，虽漫漫而弯曲，但出息光亮
GANs的未来会怎么开展？虽然曩昔十年的研讨现已取得了长足进步，但现在还尚处于前期阶段。
当下GANs仍短少十分详尽的操控，这是一个巨大的应战。由GAN生成的内容将越来越难以与实在内容区别隔来；这个范畴未来会有很大改进，将2014年的图画生成与今日的图画进行比较，咱们都没想到它的质量会变得那么好。假如依照这种发展继续下去，GANs将仍然是一个很重要的研讨项目。
固然，因为编者水平有限，尚无法将这“混世魔王”的来世一一道尽。假如您有更好的主意或许观念，无妨且来小程序里与咱们讨论一二，不胜感激！
