斯坦福
这项研究由和,后者创建了CycleGAN--一种图像到图像的翻译技术
图像到图像的转换
是从一类图像中获取图像并以另一个类的样式呈现图像的任务
艺术风格转移
一个着名的例子是,即以着名画家的风格渲染照片的任务
神经网络
同样,CycleGAN是一个学习转换图像的
CYCLEGAN如何被发现作弊
在早期的结果中,机器学习代理通过将卫星照片转换为地图而表现良好。
但是,后来,当它被要求进行从街道地图重建航空照片的逆向过程时,它显示了在第一个过程中消除的信息!
例如,当要求代理逆转过程时,在创建街道地图的过程中消除的屋顶上的天窗重新出现。
这不会使CycleGAN变得聪明!
还发现代理人并没有真正学会从图像中制作地图,反之亦然
巧妙地编码的特征
它只是学会了如何从一个图像到的其他图像
虽然它似乎是机器变得更聪明的经典例子,但实际上却与此相反
在这种情况下,机器不够聪明,无法完成将这些复杂的图像类型相互转换的困难工作,而是找到了一种作弊的方法 -人体检测不好!
另读|人工智能如何帮助大学为现在不存在的未来工作设计课程
对常识和时事感兴趣?点击此处随时了解我们的GK和时事部分,了解世界各地的情况。