Définition - Que signifie DC-IGN (Deep Convolutional Inverse Graphics Network)?
Le réseau graphique inverse convolutif profond (DC-IGN) est un type particulier de réseau neuronal convolutif qui vise à relier les représentations graphiques aux images. Les experts expliquent qu'un réseau de graphiques inverses à convolution profonde utilise un paradigme de «vision en tant que graphiques inverses» qui utilise des éléments tels que l'éclairage, l'emplacement des objets, la texture et d'autres aspects de la conception d'image pour un traitement d'image très sophistiqué.
Definir Tech explique le réseau graphique inversé à convolution profonde (DC-IGN)
Le réseau graphique inverse à convolution profonde a un modèle qui comprend un «encodeur» et un «décodeur» - c'est un type de réseau neuronal qui utilise diverses couches pour traiter les résultats d'entrée en sortie. Un réseau neuronal à anticipation classique comprend une couche d'entrée, des couches cachées et une couche de sortie. Le réseau graphique inversé à convolution profonde utilise des couches initiales pour encoder à travers diverses convolutions, en utilisant la mise en commun maximale, puis utilise les couches suivantes pour décoder avec le dégroupage. Tout au long de ce processus, le réseau utilise des «variables latentes de scène» et des aspects de la descente de gradient et de la rétropropagation pour apprendre à représenter des aspects des images.
Comme pour les applications populaires de réseaux graphiques inverses à convolution profonde, ces réseaux sont souvent utilisés pour créer des sorties variables pour un objet tel que, par exemple, un visage humain. En entraînant le modèle, le réseau graphique inversé à convolution profonde peut mettre en place un moteur de rendu dynamique basé sur des aspects tels que l'angle et l'ombre. Le résultat final est une capacité plus intelligente à manipuler des images tridimensionnelles sophistiquées.