Re: [閒聊] 繪師是怕畫不過AI還是怕AI會創作?
※ 引述《loveSETSUNA (味噌豆腐)》之銘言:
: AI繪圖不是一段時間了嗎?
怒刪,剛好碩班是研究AI領域,以我的角度來看
其實人工智慧這一塊的發展跟人類特徵學息息相關。人類從自我的習性套用到機器上,透
過流程特徵化後編制pipeline讓機器模仿人類的習性。
先說結論,Machine Learning(ML)不可能只靠「單一」一張畫師的畫就可以訓練成一個有
效的模型;相反地它需要透過大量的數據去臨摹某一種畫風。
故與其說AI抄襲某人的畫作,不如說它臨摹某派系的畫風。你大部分無法在機器學習上看
到單一畫家的風格。因為牽扯到overfitting的問題
也因此決定AI抄襲這一塊其實可以Focus在該模型輸入端對於某畫師的畫作資料佔所有輸
入量的幾成。
因為這會間接導致該模型的類神經參數會對佔多數的輸入畫作特徵擁有極高的權重。如同
人類對于抄襲比例佔多寡才算抄襲
至於一兩張就想要說抄襲的…我認為這站我的觀點來看,只能說不太可能。因為一兩張
影像的特徵就算喂入類神經網路中頂多Train 出垃圾而已。
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 49.216.190.119 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/C_Chat/M.1661833310.A.3B1.html
※ 編輯: ken52011219 (49.216.190.119 臺灣), 08/30/2022 12:23:33
推
08/30 12:24,
1年前
, 1F
08/30 12:24, 1F
推
08/30 12:24,
1年前
, 2F
08/30 12:24, 2F
→
08/30 12:27,
1年前
, 3F
08/30 12:27, 3F
有趣的reference, 但我認為它比較像是基於某畫面上增加某些物件的model
它無法從無到有create一幅畫出來,而比較像將物件segement到該畫上,有點像目前NFT
但又不太相同
推
08/30 12:29,
1年前
, 4F
08/30 12:29, 4F
推
08/30 12:31,
1年前
, 5F
08/30 12:31, 5F
※ 編輯: ken52011219 (49.216.190.119 臺灣), 08/30/2022 12:33:31
→
08/30 12:31,
1年前
, 6F
08/30 12:31, 6F
→
08/30 12:31,
1年前
, 7F
08/30 12:31, 7F
推
08/30 12:33,
1年前
, 8F
08/30 12:33, 8F
→
08/30 12:33,
1年前
, 9F
08/30 12:33, 9F
推
08/30 12:34,
1年前
, 10F
08/30 12:34, 10F
→
08/30 12:34,
1年前
, 11F
08/30 12:34, 11F
→
08/30 12:34,
1年前
, 12F
08/30 12:34, 12F
→
08/30 12:34,
1年前
, 13F
08/30 12:34, 13F
→
08/30 12:35,
1年前
, 14F
08/30 12:35, 14F
→
08/30 12:35,
1年前
, 15F
08/30 12:35, 15F
→
08/30 12:36,
1年前
, 16F
08/30 12:36, 16F
→
08/30 12:36,
1年前
, 17F
08/30 12:36, 17F
→
08/30 12:38,
1年前
, 18F
08/30 12:38, 18F
推
08/30 12:42,
1年前
, 19F
08/30 12:42, 19F
推
08/30 12:43,
1年前
, 20F
08/30 12:43, 20F
→
08/30 12:43,
1年前
, 21F
08/30 12:43, 21F
→
08/30 12:45,
1年前
, 22F
08/30 12:45, 22F
→
08/30 12:47,
1年前
, 23F
08/30 12:47, 23F
→
08/30 12:47,
1年前
, 24F
08/30 12:47, 24F
→
08/30 12:47,
1年前
, 25F
08/30 12:47, 25F
推
08/30 13:04,
1年前
, 26F
08/30 13:04, 26F
→
08/30 13:04,
1年前
, 27F
08/30 13:04, 27F
→
08/30 13:04,
1年前
, 28F
08/30 13:04, 28F
→
08/30 13:04,
1年前
, 29F
08/30 13:04, 29F
這技術叫作transfer learning(遷徙學習),它是based on 某些已經fine-tune過參數
的模型再接手繼續training。打個比方對於ML來說辨認汽車的方式跟辨認火車的方式其實
都是同一個特徵。也因此你可以拿火車的模型去接續train 汽車
但問題是,難道因此汽車的數據只要一兩張就可以轉成汽車的模型嗎?不,它仍需要大量
的汽車資料。只是優點是它節省了由0到60的時間
也因此這絕對不是一兩張就能完成的事情
※ 編輯: ken52011219 (49.216.190.119 臺灣), 08/30/2022 13:09:44
※ 編輯: ken52011219 (49.216.190.119 臺灣), 08/30/2022 13:10:44
推
08/30 13:16,
1年前
, 30F
08/30 13:16, 30F
→
08/30 13:16,
1年前
, 31F
08/30 13:16, 31F
→
08/30 13:17,
1年前
, 32F
08/30 13:17, 32F
→
08/30 13:18,
1年前
, 33F
08/30 13:18, 33F
→
08/30 13:20,
1年前
, 34F
08/30 13:20, 34F
→
08/30 13:20,
1年前
, 35F
08/30 13:20, 35F
→
08/30 13:20,
1年前
, 36F
08/30 13:20, 36F
→
08/30 13:21,
1年前
, 37F
08/30 13:21, 37F
→
08/30 13:22,
1年前
, 38F
08/30 13:22, 38F
→
08/30 13:24,
1年前
, 39F
08/30 13:24, 39F
→
08/30 13:24,
1年前
, 40F
08/30 13:24, 40F
→
08/30 13:25,
1年前
, 41F
08/30 13:25, 41F
→
08/30 13:25,
1年前
, 42F
08/30 13:25, 42F
→
08/30 13:25,
1年前
, 43F
08/30 13:25, 43F
→
08/30 13:27,
1年前
, 44F
08/30 13:27, 44F
→
08/30 13:27,
1年前
, 45F
08/30 13:27, 45F
→
08/30 13:27,
1年前
, 46F
08/30 13:27, 46F
→
08/30 13:28,
1年前
, 47F
08/30 13:28, 47F
→
08/30 13:29,
1年前
, 48F
08/30 13:29, 48F
→
08/30 13:29,
1年前
, 49F
08/30 13:29, 49F
→
08/30 13:30,
1年前
, 50F
08/30 13:30, 50F
推
08/30 13:41,
1年前
, 51F
08/30 13:41, 51F
→
08/30 13:41,
1年前
, 52F
08/30 13:41, 52F
→
08/30 13:42,
1年前
, 53F
08/30 13:42, 53F
推
08/30 14:04,
1年前
, 54F
08/30 14:04, 54F
→
08/30 14:04,
1年前
, 55F
08/30 14:04, 55F
→
08/30 14:04,
1年前
, 56F
08/30 14:04, 56F
→
08/30 14:11,
1年前
, 57F
08/30 14:11, 57F
→
08/30 14:11,
1年前
, 58F
08/30 14:11, 58F
→
08/30 14:39,
1年前
, 59F
08/30 14:39, 59F
→
08/30 14:39,
1年前
, 60F
08/30 14:39, 60F
→
08/30 14:39,
1年前
, 61F
08/30 14:39, 61F
→
08/30 14:40,
1年前
, 62F
08/30 14:40, 62F
討論串 (同標題文章)