【英伟达NIPS论文AI脑洞大开】用GAN让晴天下大雨，小猫变狮子，黑夜转白天

2017 年 12 月 6 日 新智元 费欣欣常佩琦

新智元AI World 2017世界人工智能大会开场视频

中国人工智能资讯智库社交主平台新智元主办的 AI WORLD 2017 世界人工智能大会11月8日在北京国家会议中心举行，大会以“AI 新万象，中国智能+”为主题，上百位AI领袖作了覆盖技术、学术和产业最前沿的报告和讨论，2000多名业内人士参会。新智元创始人兼CEO杨静在会上发布全球首个AI专家互动资讯平台“新智元V享圈”。

全程回顾新智元AI World 2017世界人工智能大会盛况：

新华网图文回顾
http://www.xinhuanet.com/money/jrzb20171108/index.htm

爱奇艺
上午：http://www.iqiyi.com/v_19rrdp002w.html

下午：http://www.iqiyi.com/v_19rrdozo4c.html

阿里云云栖社区
https://yq.aliyun.com/webinar/play/316?spm=5176.8067841.wnnow.14.ZrBcrm

新智元报道

来源：research.nvidia.com

作者：费欣欣常佩琦

【新智元导读】英伟达最近GAN相关研究和应用方面进展迅猛。在最新的一项工作中，英伟达研究人员利用生成对抗网络（GAN）和无监督学习，创建了一个拥有“想象力”系统，仅需一次数据输入，即可模拟出其他情形，比如将冬日拍摄的照片想象为夏日，将猫想象为狮子、老虎，大大减少网络训练所需的标签数据。对于在医疗、自动驾驶这样标注数据少的领域，拥有极大应用潜力。

只“看”一次，把猫“想象”成狮子，冬日变为夏天

“在无监督学习中使用GAN并不是新鲜事，但我们取得了前所未有的成果，”英伟达在最新发表的一篇官博文章中表示。不仅如此，这项工作还能有效减少训练神经网络所需的标注数据数量。

这项成果指的是今年NIPS上英伟达的论文《无监督图像翻译网络》（Unsupervised Image-to-Image Translation Networks）。在这篇论文中，研究人员展示了一款具有“想象力”的机器学习系统，可以把图像中的白天转换成黑夜，猫变成狮子，等等。

研究人员首先假设，相似的图像都享有一个共同的latent空间，都可以映射为这个共享空间中的同一个latent表示。基于这个假设，他们提出了基于生成对抗网络（GAN）和变分自编码器（VAE）的一个框架。在图像转换（翻译）的过程中，首先，使用VAE-GAN对每个图像域进行建模。对抗训练目标与权重共享约束相互作用，强制共享latent空间在两个域中生成相应的图像，然后VAE将翻译后的图像与各个域中的输入图像相关联，最后就得到了“想象结果”。

论文中不同种类的狗的转换结果，左边一列是输入

英伟达的研究人员表示，这个框架在多种无监督图像翻译问题中，都生成了高清质量的图像。此外，将这个框架应用于领域自适应（domain adaptation）问题，也在基准数据集上取得了state-of-the-art的结果。

最关键的是，在高质量标注数据稀缺的当下，这种方法大大减少了网络训练所需的标签数据，进而减少AI的训练时间。研究人员表示，“以无人驾驶为例，只需捕获一次训练数据，便可在不同的虚拟情景下使用，如晴天、多云、下雪天、雨天、夜晚。”

无需预训练网络，合成2048×1024图像，添一棵树，加上胡子，任君编辑

类似的，就在上周，英伟达和伯克利合作，发布了一个名为pix2pixHD的项目。Pix2pixHD利用条件GAN进行高清图像合成和处理（分辨率2048x1024），输入语义标注图，系统能够生成逼真的现实世界图像，例如街景、人脸。

图：上方是输入的语义地图，下方是pix2pixHD合成图像

作者在论文《使用条件GAN进行高清图像合成和语义操纵》（High-Resolution Image Synthesis and Semantic Manipulation with Conditional GANs）中介绍了他们的方法。他们提出了一种多尺度的生成器和判别器架构，结合新的对抗学习目标函数。实验结果表明，条件GAN能够合成高分辨率、照片级逼真的图像，不需要任何手工损失或预训练的网络。

不仅如此，作者还提出了一种方法，让用户能够交互式地编辑物体的外观，大大丰富了生成的数据类型。例如，在下面的视频中，你可以发现用户能够选择更换街景中车辆的颜色和型号，给街景图增加一些树木，或者改变街道类型（例如将水泥路变成十字路）。类似地，利用语义标注图合成人脸时，给定语义标注的人脸图像，你可以选择组合人的五官，调整大小肤色，添加胡子等。

作者在文中指出，他们的方法可以扩展到其他领域，尤其是医疗图像这样缺乏预训练网络的领域。

在这里，还不得不提一下英伟达此前在官网发表了一篇已经提交给 ICLR 2018 的论文“Progressive Growing of GANs for Improved Quality, Stability, and Variation”，提出了一种以渐进增大的方式训练GAN的方法。作者表示，这不仅稳定了训练，还生成了迄今质量最高的GAN生成的图像。

例如上面的人像，忽略背景，几乎与真实照片无异。

英伟达：积极推进GAN在医疗图像和自动驾驶落地

这些研究充分证明了生成模型的潜力，尤其是在无监督的情况下。现在的英伟达，已经远远不止一家专注游戏的GPU公司，一直在试图将其硬件推向边缘设备，并使用人工智能作为实现这一点的手段和工具。

上周，英伟达宣布与通用电气医疗（GE Healthcare）达成协议，通过Revolution Frontier CT，更新全球部署的500,000台医疗成像设备，以便在医院进行更好的成像。而英伟达在自动驾驶领域更是布局已久，今年10月还发布了全球首款AI自动驾驶平台，瞄准L5级自动驾驶。而上述研究无一例外，均在医疗图像和自动驾驶领域有应用潜力。

英伟达第三季度财报显示，截至10月29日的第三季度英伟达营收26.4亿美元，同比增长31.5%，再次创新记录。其中，数据中心业务达到5.01亿美元，汽车业务收入1.44亿美元，增长至13.3%。截至目前，英伟达依靠其在人工智能和无人驾驶方面的优势，股价已经上涨了约92%。

了解更多

Unsupervised Image-to-Image Translation Networks：http://papers.nips.cc/paper/6672-unsupervised-image-to-image-translation-networks.pdf
High-Resolution Image Synthesis and Semantic Manipulation with Conditional GANs：https://tcwang0509.github.io/pix2pixHD/
Progressive Growing of GANs for Improved Quality, Stability, and Variation：https://arxiv.org/abs/1710.10196

欢迎读者朋友加入新智元读者群一起交流探讨，请加微信（备注名字+学校/企业+研究/关注领域）：aiera2015

备注（名字+学校/企业+视觉），加入计算机视觉讨论群。