人工智能和机器学习已成为技术行业的热门话题，并且要使它们变得更智能，必须提供更多的数据进行培训。 NVIDIA研究部门的创制对抗网络（GAN）最近达到了一个新的里程碑。即使在非常小的数据集的情况下，它仍然可以允许人工智能学习。尽管“对抗”是指顾名思义，GANAI模型实际上使用了两个合作网络。例如，生成器负责创建图像，鉴别器将其与参考图像进行比较，以评估它们在样式，对象和内容上是否匹配。此外，鉴别器通常会提供50,000至100,000范围内的训练图像。这种现象称为过拟合，可以通过所谓的数据增强来部分解决，该方法仅涉及随机旋转，调整大小，裁剪或翻转图像以扩展参考值。但是，这将创建一个生成器，该生成器将学习模仿失真的图像，而不是学习如何正确地合成样式和主题。 NVIDIA Research的AdaptiveDataAugmentation（ADA）试图通过在不同数据点之间分配数据增强来解决这两个问题。研究人员声称，这使他们能够创建一个新的StyleGAN2模型，该模型可以使用比传统GAN所需数据小10到20倍的训练数据集来学习艺术风格。