Les IA Tag-Teaming de Nvidia imaginent la nuit comme le jour et les chats domestiques comme des tigres

Catégorie: Intelligence artificielle Posté 04 décembre

Une nouvelle direction dans l'apprentissage automatique donne aux ordinateurs la capacité de rêver, et les résultats sont fascinants et potentiellement très utiles.

Un système développé par des chercheurs de Nvidia à Santa Clara, en Californie, peut regarder une image d'une route ensoleillée et imaginer, avec des détails époustouflants, à quoi cela ressemblerait s'il pleuvait, la nuit ou un jour de neige. Il peut également imaginer à quoi ressemblerait un chat domestique s'il s'agissait d'un léopard, d'un lion ou d'un tigre.

le Logiciel utilise une nouvelle approche populaire de l'IA qui permet aux ordinateurs d'apprendre sans aide humaine. L'équipe a utilisé des réseaux antagonistes génératifs, ou GAN, qui sont des réseaux de neurones qui fonctionnent en tandem pour apprendre les propriétés d'un ensemble de données (voir Innovators Under 35 : Ian Goodfellow).

Dans un GAN, un réseau de neurones essaie de produire des données synthétiques tandis qu'un autre essaie de dire si un exemple provient de l'ensemble de données réel ou non. Les retours du deuxième réseau permettent d'améliorer les performances du premier. L'astuce réalisée par l'équipe Nvidia consiste à utiliser deux GAN formés sur des données différentes mais similaires, et à utiliser des similitudes, ou des chevauchements, entre les deux modèles formés pour imaginer de nouvelles images.

Dans le cas des images de rue, par exemple, un GAN a été formé pour intérioriser les propriétés des routes tandis que l'autre a été formé à l'aide d'images de scènes nocturnes, pluvieuses ou enneigées. La connexion des deux réseaux permet à un ordinateur d'imaginer à quoi ressemblerait une scène dans différentes conditions. Une astuce similaire a été réalisée avec des chats domestiques et des grands félins (vous pouvez consulter la vidéo complète ici). Les chercheurs présentent leurs travaux au Conférence sur les systèmes de traitement de l'information neuronale à Long Beach, en Californie, cette semaine. Voici un papier (PDF) qui décrit le travail.

Jusqu'à présent, l'apprentissage automatique s'est davantage concentré sur la reconnaissance, déclare Ming-Yu Liu , qui ont travaillé sur le projet avec des collègues Thomas Breuel et Jean Kautz . Mais les humains peuvent utiliser leur imagination. Si je vous donne une photo en été, vous pouvez imaginer ce que ce sera recouvert de neige.

Selon Liu, la technologie pourrait avoir des applications pratiques dans le montage d'images et de vidéos, et pour ajouter des effets réalistes aux images et aux vidéos publiées sur les réseaux sociaux. Imaginez pouvoir poster une vidéo en direct vous montrant dans un décor artificiel très réaliste, par exemple, ou qui convertit de manière convaincante votre visage en celui d'une autre personne ou d'un animal.

L'approche pourrait également s'avérer utile pour entraîner des systèmes de conduite autonome à reconnaître davantage de scénarios sans avoir à collecter une quantité ridicule de données du monde réel. En Californie, nous n'avons pas beaucoup de neige, mais nous voulons que notre voiture autonome fonctionne bien dans la neige, dit Liu.