Группа исследователей компании Google научили искусственные нейронные сети создавать простые рисунки.
Для обучения системы использовалось большое количество рисунков, полученных при помощи приложения Quick, Draw!. Это приложение просит пользователей сделать простой рисунок какого-либо предмета, а затем пытается определить, что на нём изображено. Исследователи использовали 75 классов предметов (например, совы, комары, сады), каждый из которых включал 70 тыс. индивидуальных примеров рисунков. На основании этой массивной базы данных простых изображений и осуществлялось обучение нейронной сети рисованию в векторном формате.
«Мы обучаем нашу модель на базе набора данных ручных набросков, каждый из которых представлен в виде последовательности действий, контролирующих перемещение ручки: в каком направлении двигаться, когда ручка поднимается вверх, когда прекращается рисование», — сообщил один из исследователей Дэвид Ха (David Ha).
При этом он отметил, что модель не может просто копировать уже изученные изображения, а вместо этого должна изучить, как передать суть изображения.
И это неплохо удаётся искусственному интеллекту. Когда система уже достаточно научилась рисовать определённые объекты, то даже на основании ложных вводных рисунков она пытается передать «правильное» изображение. Например, если ей дать намеренно неправильное изображение свиньи с восемью ногами и без глаз, она нарисует на базе этого изображения свинью с четырьмя ногами и двумя глазами. В то же время, если вместо свиньи нарисовать пока незнакомый объект, например, грузовик, то на выходе получится свинья, напоминающая грузовик. Аналогично происходит с изображениями кошки. Трёхглазую кошку система трансформирует в изображение кошки с двумя глазами, а из картинки зубной щётки получается приплюснутая усатая кошка.
Более того, искусственный интеллект может объединить пару диссоциированных изображений и создать серию скрещенных гибридных рисунков. В основе такого подхода лежит тот же принцип, что и в случае объединения грузовика и свиньи, но при этом система может воспроизводить большое количество схожих, но уникальных вариантов. Эта функция может быть весьма полезной для рекламных агентств, графических дизайнеров и производителей текстиля. Кроме того, по мнению На, система может быть полезной и для людей, обучающихся рисованию.
Источник: Engadget