GANs Adalah Sebuah AI Generator Wajah

Teknologi.id - Para peneliti NVIDIA telah menciptakan sebuah AI yang Mampu Menghasilkan Foto Realistis. Potret-potret foto realistis ini bahkan sekilas tidak dapat kita dibedakan dari gambar manusia sungguhan. AI ini bernama GANs (generative adversarial networks) yang memanfaatkan perubahan gaya untuk menghasilkan output yang mutahir. Lihatlah dua gambar di bawah ini. Bisakah kamu tahu mana yang merupakan foto asli dan foto palsu yang dihasilkan oleh AI? Yang benar adalah ...... kedua gambar itu palsu buatan AI, produk kerja baru dari produsen GPU Amerika NVIDIA dengan generative adversarial networks (GAN). Penelitian ini diterbitkan hari ini di makalah A Style-Based Generator Architecture for Generative Adversarial Networks. Yang mengusulkan arsitektur generator baru yang telah mencapai kinerja canggih dalam menghasilkan wajah. Sejak GANs diperkenalkan pada tahun 2014 oleh Peneliti Google Ian Goodfellow. Teknologi ini telah diadopsi secara luas dalam pembuatan dan transfer gambar. Setelah beberapa kegagalan awal, AI ini telah membuat terobosan besar. Dan sekarang dapat menghasilkan gambar sintesis yang relistis seperti hewan, pemandangan, bahkan wajah manusia.

Baca juga: GauGAN, AI yang Mampu Ubah Sketsa menjadi Foto Realistis

Para peneliti tahu apa yang dapat dilakukan oleh GANs, namun kurangnya transparansi dalam cara kerja internal mereka. Berarti perbaikan AI ini masih dicapai terutama melalui coba-coba. Ini hanya memungkinkan kontrol terbatas atas gambar yang disintesis. Makalah NVIDIA mengusulkan arsitektur generator alternatif untuk GANs yang menarik wawasan dari teknik transfer gaya. Sistem dapat mempelajari dan memisahkan berbagai aspek gambar tanpa pengawasan pengguna, dan memungkinkan kontrol sintesis skala-spesifik yang intuitif.

Cara kerja GANs:

Pertama AI akan diberikan beberapa wajah sebagai input, yang kemudian akan dipelajari mulai dari karakteristik, struktur, dan bentuknya untuk menghasilkan foto sintesis baru. GANs nantinya dapat mengontrol seperti apa fitur spesifik yang ingin dihasilkan. Mulai dari umur, jenis kelamin, suku, ekspresi, gaya rambut, dan lainnya. Variasi stokastik adalah kunci yang memungkinkan GAN untuk mewujudkan generator fitur wajah yang terperinci. Seperti penempatan rambut wajah, tunggul, bintik-bintik, pori-pori, dll. Makalah ini mengusulkan penambahan noise per-pixel setelah setiap lapisan konvolusi. Noise yang ditambahkan tidak mempengaruhi komposisi keseluruhan atau atribut tingkat tinggi dari gambar. Dan mengubah noise pada lapisan yang berbeda menghasilkan hasil variasi stokastik yang cocok. Bersamaan dengan makalah hari ini, NVIDIA juga telah merilis dataset besar wajah manusia yang baru. Flickr- Faces-HQ (FFHQ) yang berisi 70.000 gambar berkualitas tinggi pada resolusi 1024. Dataset akan segera tersedia untuk umum. Penulis pertama makalah ini adalah Tero Karras, seorang ilmuwan penelitian utama di NVIDIA Research dengan minat penelitian utama dalam deep learning, model generatif, dan pembuatan konten digital. Makalahnya Progressive Growing of GANs untuk Peningkatan Kualitas, Stabilitas, dan Variasi, atau dikenal sebagai ProgressiveGANs telah memenangkan penghargaan dan diterima oleh ICLR 2018. Sumber: Synched (FM)