Irgendeine Idee über die Anwendung eines tiefen Traums?

Antworten:

4

Es gibt bereits mindestens eine Anwendung, wenn Sie "Anwendung" breit genug interpretieren: Entkoppeltes tiefes neuronales Netzwerk für halbüberwachte semantische Segmentierung von Hong, Noh und Han . Sie verwenden es zur Bildsegmentierung . Standard-Bilderkennungsnetzwerke können Ihnen nur einen Begrenzungsrahmen für jedes auf einem Bild erkannte Objekt geben. Wenn Sie wissen möchten, welche Pixel dieses Objekt bilden, müssen Sie eine Bildsegmentierung durchführen.

Nachdem ein Hund auf einem Bild gefunden wurde, propagiert die Architektur von Hong et al. Den Hund durch das neuronale Netzwerk bis auf Pixelebene zurück, um die Pixel zu finden, die am meisten für das Auftreten des Hundes verantwortlich waren. (Sie verwenden diese Heatmap dann als Eingabe für ein überwachtes Segmentierungsnetzwerk. In diesem Teil gibt es keine tiefen Träume.)

Dies ist bereits eine Art Existenzbeweis dafür, dass die Deep Dream-Idee außerhalb der Bildmanipulation nützlich sein kann. Aber ich würde die Bildmanipulation selbst auch nicht herunterspielen. Ich erwähne zwei Dinge, die keine unmittelbaren Anwendungen von Deep Dreaming sind, und wir haben sie derzeit nicht, aber ich kann einen plausiblen Weg vom ursprünglichen Deep Dream-Algorithmus zu diesen sehen:

  • Verschönernde Bilder und menschliche Gesichter und Körper. (Automatisieren, was ein Photoshop-Retuschierkünstler tut.)
  • Bildskalierung im CSI-Stil mit gefälschten, aber glaubwürdigen interpolierten Details.
Dániel Varga
quelle
2

Hier ist eine weitere Anwendung, die sehr neu ist und erst in den letzten Wochen demonstriert wurde. Computer filtern Bilder so, dass sie wie Gemälde im unverwechselbaren Stil verschiedener Künstler aussehen, z. B. Van Gogh, Picasso usw., und es scheint möglich, da die Technologie verschiedene künstlerische Stile umfassen kann, die in einigen Fällen zur Erkennung von Fälschungen in der Kunstwelt verwendet werden können Punkt. (In diesem Bereich werden in der Vergangenheit viele sehr fortgeschrittene Analysetechniken verwendet.) Beachten Sie, dass Filtermethoden auf Instagram sehr beliebt sind, sodass es wahrscheinlich ist, dass diese irgendwann im Handel erhältlich sein werden.

vzn
quelle
& wie Sie bemerkt & an anderer Stelle erwähnt haben, gibt es bereits einen "von der Stange" Iphone / Android Dreamify Bildfilter
vzn
Eine andere Anwendung: Generieren simulierter / virtueller Umgebungen für Spiele oder Filme. ähnlich wie bei der prozeduralen Generierung
vzn
Außerdem scheint deepart.io ein kommerzielles Unternehmen zu sein, das auf der Technik Ihres ersten Links basiert.
Neil Slater
1

Es ist unmöglich, ein Negativ zu beweisen, aber abgesehen von der Verwendung des gleichen Mustererkennungssystems im Allgemeinen, um Formen / Bilder zu erkennen und durch andere ähnliche Bilder zu ersetzen, möglicherweise zur Verwendung bei der automatischen Bildkorrektur oder ähnlichem, glaube ich nicht, dass es real ist Potenzial außerhalb der Änderung von Bildern.

Ich muss diese Antwort möglicherweise löschen, wenn sich herausstellt, dass sie falsch ist.

DoubleDouble
quelle
1
Nun, es gibt eine gültige Verwendung als Visualisierungs- / Introspektionswerkzeug, um Muster zu finden, die Ihr Netzwerk gelernt hat. In diesem Link googleresearch.blogspot.ch/2015/06/… siehe die Diskussion über den Hantelklassifikator . Ich bin mir nicht sicher, ob dies als wahrer Zweck gilt, da es selbstreferenziell ist
Neil Slater,
Ich denke, das macht es schwierig, die Frage zu beantworten. Es gibt Dinge hinter dem tiefen Traum, die weit verbreitet sind, je nachdem, wie weit Sie gehen, aber wird sie immer noch als "Anwendung des tiefen Traums" betrachtet? Mir scheint, dass ein tiefer Traum darin besteht, diese Techniken anzuwenden - was auch anderswo anwendbar ist. Aber ich kann diesen Link im Moment nicht sehen, also bin ich vielleicht falsch.
DoubleDouble
0

Eng kontextbezogener, visueller Profanitätsfilter.

In anderen Welten wird Menschen, die nicht ausreichend gekleidet sind, physisch realistische und thematisch / stilistisch angemessene Kleidung zur Verfügung gestellt, um das Image der Familie sicherer zu machen.

Das ist die Idee, aber im Moment ist es sowohl unzuverlässig als auch wenn es ungenau funktioniert.

Eine stärkere Anpassung der Parameter des Traums, als ich Zugriff habe, oder möglicherweise nur die Verwendung von mehr Iterationen und einem niedrigeren "Oktav" -Wert, als ich angeben kann, sollte die Ergebnisse viel zuverlässiger machen.

Beispiele:

Vorher: http://s22.postimg.org/5sjpqbzoh/image.jpg

Nachher : http://s22.postimg.org/wew6fb3vl/image.jpg

.

http://s13.postimg.org/c4urz139j/image.jpg

alan2here
quelle
Können Sie dies ergänzen, indem Sie erklären, was Sie mit diesem Beispiel meinen? Ansonsten sind es nur Links.
Sean Owen
1
Ich denke, das Problem mit dieser Idee ist, dass sie nicht wirklich mit der Funktionsweise von Deep Dreaming übereinstimmt. Sie müssten ein Netzwerk trainieren, um "geeignete Kleidung" zu erkennen, aber es würde dann nicht gekleidete Figuren angemessen kleiden - stattdessen würde es drapierungsähnliches Zeug über Stellen ausgeben, die bereits ein bisschen wie geeignete Kleidungsstücke aussahen. Das heißt, es ist wahrscheinlicher, einen Baumstamm in ein Hosenbein zu verwandeln, als einem Mädchen im Bikini ein Kleid anzuziehen. Deep Dreaming wählt keine zu ersetzenden Ziele wie eine Bild-Engine für reguläre Ausdrücke aus, sondern halluziniert Übereinstimmungen auf vergleichbare Weise.
Neil Slater
Siehe cs.stackexchange.com/questions/47262/… Ich kann nicht viel demonstrieren oder beweisen, da es sich hauptsächlich um persönliche Erfahrung und Beobachtung handelt und ich nicht viele nackte Menschen gebe, aber ich denke, es ist schlauer als Sie Kredit für, obwohl ich es zu schätzen weiß, dass meine Beispiele in der Tat ziemlich zusammengeschustert aussehen :-P
alan2here
1
Die Bilder sind gut - unter einigen der interessantesten, die ich von Deep Dreaming gesehen habe. Ich denke jedoch, dass die Suche nach einer tieferen Bedeutung und Struktur jenseits des cleveren Mustervergleichs der Suche nach allgemeiner Intelligenz in einer sezierten Netzhaut gleicht. . . Es gibt eine Ebene, zu der größere / schnellere / tiefere Netzwerke, die nur auf Bildern trainiert wurden, uns nicht führen werden - es wird etwas mehr benötigt.
Neil Slater