第(1/3)頁
“孟的新技術真的相當好用啊！”在這幾天的實驗迭代當中，臉書的DeepFace團隊已經有了好幾個較大的飛躍。
首先就是原本臃腫不堪的模型大小得到了極大的緩解，由于算子簡單易用，速度也快了不少。
看模型的訓練日志，算法的性能也是一路走高，很可能超越他們之前最好的結果。
“真不知道他是怎么想到的。”沃夫長長的嘆了一口氣，一個如此簡潔的操作，就能夠解決困擾了整個領域好幾年的大難題。
“其實這種情況是最氣人的，如果他真的搞出一套非常復雜的理論和操作倒也好了。”楊明很能理解大家心里的想法：“如果他的策略當真搞得十分復雜，我們也就徹底折服了，不會生出什么幻想和遺憾。”
“偏偏他用這么簡潔簡單的辦法把事情給辦成了，給人的感覺就像是哥倫布在海上一直開，就發現了新大陸一樣。其中的智慧和努力或許很多，可總給我們一種我上我搞不好也有機會的錯覺。”
楊明的自我認識還算是清晰，知道這種‘我上我也行’的想法只是海市蜃樓，終究未墮落成鍵盤俠。
幾位研究人員還是相當認可孟繁岐研究成果的，只是他們完全沒想到，孟繁岐為他們還未出爐的最新算法準備了怎樣的一份驚喜禮物。
人臉的識別可以說是整個計算機視覺領域當中，研究人員最多，應用范圍最廣，規模最大的一個方向了。
作為一個古老的課題，人臉識別這一任務歷經了傳統模式識別到現代深度AI的發展，已經相當成熟。
不過自始至終，它都被一個無法解決的難題所困擾，那就是圖像中的遮擋類型問題。
普通的相片不是Photoshop的圖層，如果一樣物體被遮擋住了，那么這部分信息就徹底喪失掉了。
沒有任何技術手段可以還原當時的場景，就像去馬賽克一樣，是不可能的，被破壞的圖層是不可逆的。
不過現在，我們有了新的辦法去另辟蹊徑，解決這個非常棘手的問題，那就是孟繁岐的生成式對抗網絡。
通過大規模數據的反復對抗生成，生成網絡將具備非常恐怖的圖像生成能力，完全可以產生非常接近現實的內容去填充遮擋部分，雖然這些生成的內容有可能與原本的內容其實毫無關系。
第(1/3)頁