NVIDIA透過有限的資料集實現人工智慧訓練上的突破

StyleGAN2與ADA以大都會藝術博物館Collection API所提供不到1,500張圖片資料集進行訓練而生成的圖像。

NVIDIA的研究人員把開創性的神經網路訓練技術用於熱門的NVIDIA StyleGAN2模型上，以大都會藝術博物館所提供不到1,500張圖片這麼小的資料集，用新的角度去審視藝術品。NVIDIA Research的最新人工智慧模型，簡直就是生成對抗網路界中的奇才。它只要使用一般生成對抗網路(GAN)所需學習材料的一小部分，就能學習到像是模仿著名畫家的畫風，以及重現癌症組織影像這般複雜的技能。

NVIDIA的研究人員把開創性的神經網路訓練技術用於熱門的NVIDIA StyleGAN2模型上，以大都會藝術博物館所提供不到1,500張圖片這麼小的資料集，用新的角度去審視藝術品。他們用NVIDIA DGX系統來加快訓練速度，取材自歷史人物肖像，創造出新的AI藝術。

這項稱為自我調整判別器增強(adaptive discriminator augmentation；ADA)的技術，將訓練所需的影像數量減少了10~20倍，卻依舊能獲得良好的訓練成果。同樣的方法有朝一日可能會對醫療領域產生重大影響，像是建立癌症組織學影像來協助訓練其他的AI模型。

NVIDIA繪圖研究部門副總裁David Luebke表示：「這些結果代表人們可以使用生成對抗網路來解決問題，這些問題不是得耗費大量時間來取得海量資料，不然就是難以取得這麼大量的資料。我迫不及待地想看看藝術家、醫學專家和研究人員，會把這項技術用在哪些領域。」

NVIDIA將於本週在神經信息處理系統年會(NeurIPS)上發表這個研究項目背後的研究報告；該大會接受了28篇 NVIDIA Research的研究報告，刷新了過去的紀錄，而本篇報告是其中的一篇。

這項新方法是NVIDIA研究人員在生成對抗網路創新傳統中的最新成果，這些研究人員開發出突破性的生成對抗網路模型，像是AI繪畫應用程式GauGAN、遊戲引擎模仿程式GameGAN及寵物照片變臉程式GANimal。這些應用程式可以在NVIDIA AI Playground上取得。