GAN constrói rostos em alta resolução a partir de imagens de 16×16 pixels
O método compara as imagens em baixa resolução com um banco de dados onde as versões em alta resolução estão disponíveis, construindo os atributos faciais região por região.
O método compara as imagens em baixa resolução com um banco de dados onde as versões em alta resolução estão disponíveis, construindo os atributos faciais região por região.
Os pesquisadores treinaram uma rede neural para que ela compreendesse a relação entre imagens bidimensionais de alta qualidade, obtidas pelo corte sequencial de amostras, e sua estrutura tridimensional. Assim a rede se tornou capaz de simular os mesmos resultados usando imagens bidimensionais de menor qualidade.
Usando um outro modelo como assessor para gerar um score de memorabilidade, uma rede adversarial generativa foi capaz de alterar imagens segundo uma escala do quanto elas eram memoráveis, permitindo reconhecer as características que fazem com que as pessoas se lembrem delas com maior frequência.
A ferramenta, treinada usando redes adversariais generativas, aprendeu conceitos que relacionam características dos objetos objetos com o mundo real, como “nuvem vai no ceu” ou “grama vai no chão”, sendo capaz de gerar automaticamente imagens realistas usando bom senso.
O modelo baseado em redes adversariais generativas possibilita o robô a fazer inferências de um dos sentidos a partir de informações disponibilizadas pelo outro, possibilitando uma interação mais eficiente com o ambiente.