یکی از چالشهای مدلهای مولد (GANs) در تولید تصاویر شرطی (Conditional)، حساسیت آنها به توزیع نابرابر دادههاست. مدلهای فعلی مثل CcGAN وقتی با دادههای نامتوازن روبرو میشوند، دچار افت کیفیت شده و مدلهای جایگزین مثل CCDM هم سرعت پایینی دارند.
محققان با معرفی معماری جدید CcGAN-AVAR، راهکاری نوآورانه ارائه دادهاند که با استفاده از «شعاع محلی تطبیقی» و «تنظیمکننده کمکی»، تعادل بسیار بهتری در تولید تصاویر ایجاد میکند. این یعنی مدل میتواند با دقت و پایداری بالاتر، خروجیهایی منطبق با متغیرهای پیوسته (مثل سن یا زوایا) تولید کند. 🚀
این پیشرفت میتواند مسیر را برای تولید دقیقتر و سریعتر دادههای مصنوعی در کاربردهای علمی و گرافیکی هموارتر کند.
منبع: arXiv Computer Vision