訓練AI在照片中生成各種姿勢和顏色的物體和動物

大多數的救火車都是紅色的，但是用藍色描繪一個并不難。電腦幾乎沒有創造力。他們對世界的理解通常會從字面上被他們所訓練的數據所著色。如果他們所看到的只是紅色消防車的照片，他們將無法繪制其他任何東西。

為了給計算機視覺模型一個更完整，更富想象力的世界視圖，研究人員嘗試為它們提供更多不同的圖像。有些人嘗試從奇特的角度和不尋常的位置拍攝物體，以更好地傳達其真實世界的復雜性。其他人則要求模型使用稱為GAN或生成對抗網絡的人工智能形式生成自己的圖片。在這兩種情況下，目的都是為了填補圖像數據集的空白，以更好地反映三維世界，并使面部和對象識別模型的偏向性降低。

在國際學習表示會議上的一項新研究中，麻省理工學院的研究人員提出了一種創造力測試，以查看GAN可以對給定圖像進行細化處理。他們將模型“引導”到照片的主體中，并要求其在明亮的光線下，在空間中旋轉或以不同的顏色繪制特寫的物體和動物。

該模型的創建方式有些微妙，有時甚至令人驚訝。事實證明，這些變化密切跟蹤了人類攝影師在鏡頭前構圖時的創造力。這些偏差被烘焙到基礎數據集中，該研究中提出的控制方法旨在使這些限制可見。

麻省理工學院的研究科學家阿里·賈哈尼安說：“潛伏空間是圖像的DNA所在。” “我們證明，您可以直接進入這個抽象空間，并控制您希望GAN表現出的特性，直到某一點。我們發現GAN的創造力受到其學習圖像的多樣性的限制。” 賈哈尼(Jahanian)被合著者露西·柴(Lucy Chai)博士加入研究。麻省理工學院的學生，高級作者Phillip Isola，Bonnie and Marty(1964)Tenenbaum CD電氣工程和計算機科學助理教授。

研究人員將他們的方法應用于已經接受ImageNet 1400萬張照片訓練的GAN。然后，他們測量了模型在變換不同類別的動物，物體和場景方面可以走多遠。他們發現，藝術冒險的程度因GAN試圖操縱的主題類型而有很大差異。

例如，一個上升的熱氣球比旋轉的比薩餅產生更多的醒目的姿勢。縮小波斯貓而不是知更鳥時，情況也是如此，貓離觀察者越遠，融化成一堆毛皮，而鳥幾乎保持不變。他們發現，模特高興地把汽車變成了藍色，將水母變成了紅色，但是它拒絕用標準顏色以外的任何顏色畫金翅雀或救火車。