该配图由 StyleGAN2 借助 ADA 生成，仅仅基于大都会艺术博物馆收藏品 API 的不到 1,500 张图像的数据集进行了训练。
NVIDIA Research 的最新 AI 模型可谓生成式对抗网络（GAN）领域的“神童”。相较于典型的 GAN，它只需要基于极少量的学习材料，就能学习诸如模仿著名画家和重建癌症组织图像这样复杂的技能。
通过将一种突破性的神经网络训练技术应用于常用的 NVIDIA StyleGAN2 模型，NVIDIA 的研究人员基于大都会艺术博物馆中不到 1,500 张图像重新设计了艺术作品。他们使用 NVIDIA DGX 系统加速训练，从历史人物肖像中汲取灵感，创作出了全新的 AI 艺术作品。
这种称为自适应鉴别器增强（ADA）的技术能在将训练图像的数量缩减 10-20 倍的情况下，仍保持不错的效果。未来，该技术将会为医疗健康领域带来重大影响，例如，可通过创建癌症组织学图像来帮助训练其他 AI 模型。
NVIDIA 图形研究副总裁 David Luebke 表示：“这些研究结果意味着，人们可以使用 GAN 来解决大量数据过于耗时或难以获取的问题。我十分期待艺术家、医学专家和研究人员能够对其充分利用，实现更多应用。”
本周，这一项目的研究论文已在 第34届神经信息处理系统大会 NeurIPS 上发表。在本届大会上，NVIDIA Research 破纪录地有 28 篇研究论文入选，该论文就是其中之一。
这种新方法是 NVIDIA 研究人员在 GAN 领域的一系列创新中的最新成果。这些研究人员开发了基于 GAN 的突破性模型，包括AI绘画应用程序 GauGAN、游戏引擎模拟器 GameGAN 和宠物照片转换器 GANimal。这些模型在 NVIDIA AI Playground 均有提供。
数据训练的困境
像大多数神经网络一样，GAN 长期遵循一个基本原则：数据训练量越多，模型越完善。这是因为每个 GAN 都由两个配合的网络组成——一个生成合成图像的生成器，以及一个根据训练数据来学习逼真图像的鉴别器。
鉴别器会指导生成器，提供逐个像素反馈，以帮助其提升合成图像的真实感。但如果可供学习的训练数据有限，鉴别器就无法帮助生成器发挥其全部潜能，就如同新手教练的实战经验要比经验丰富的专家少得多。
要训练高质量的 GAN，通常需要 50,000 至 100,000 个训练图像。但在很多情况下，研究人员根本没有成千上万的样本图像可以利用。
仅使用几千张图像进行训练，许多 GAN 就会难以运行，无法产生逼真的结果。当鉴别器仅能记住训练图像而无法向生成器提供有用的反馈时，就会发生“过拟合”的问题。
在图像分类任务中，研究人员会通过数据增强来解决过拟合的问题。这项技术使用现有图像的副本来扩展较小的数据集，这些副本经过旋转、裁剪或翻转等过程而随机扭曲，从而迫使模型更加通用化。
但是，此前将增强技术应用于 GAN 训练图像时，生成器学会了模仿那些失真的图像，而非创建可信的合成图像。
GAN 的实战演练
NVIDIA Research 的 ADA 技术能够自适应地应用数据增强，这意味着在训练过程中的不同点上，可以调整数据增强的数量，以避免过拟合。这使诸如 StyleGAN2 这样的模型可以使用更少的训练图像，获得同样惊人的效果。
结果，研究人员可以将 GAN 应用于从前看来不切实际的应用中。在这些应用中，示例往往太少且难以获得，或收集大型数据集的工作太耗费时间。
艺术家使用了不同版本的 StyleGAN 来创作令人惊叹的展品，并根据传奇插画家 Osamu Tezuka 的风格创作了新的漫画。Adobe 甚至采用它来为 Photoshop 的全新 AI 工具“神经过滤器（Neural Filters）”提供支持。
由于入门所需的训练数据较少，因此采用 ADA 的 StyleGAN2 可应用于珍稀艺术作品，例如总部位于巴黎的 AI 艺术团体 Obvious 在非洲科塔面具上的作品。
另一潜在应用是医疗健康领域，因为大多数检查结果都是正常的，因此罕见疾病的医学图像可能非常稀少。要想积累大量有用的异常病理切片数据集，需要医学专家花费大量时间，辛苦地进行标记。
通过 GAN，采用 ADA 创建的合成图像可以填补这一空白，为另一种 AI 模型生成训练数据，从而帮助病理学家或放射学家发现病理图像或 MRI 研究中的罕见病情。此外，借助 AI 生成的数据，就不存在患者数据或隐私方面的担忧，更便于医疗机构共享数据集。
NVIDIA Research 在 NeurIPS 上大放异彩
NVIDIA Research 成员团队由全球 200 多名科学家组成，致力于 AI、计算机视觉、自动驾驶汽车、机器人技术和图形学等领域。12 月 6 日至 12 日期间举办的年度最大的 AI 研究会议 NeurIPS 曾重点介绍了 NVIDIA研究人员撰写的 24 余篇论文。