قاموس الذكاء الاصطناعي
القاموس الكامل للذكاء الاصطناعي
التعيين غير المقترن
عملية تعلم يتعلم فيها النموذج الترجمة بين مجموعتين من البيانات دون وجود تطابقات مباشرة بين عينات النطاق المصدر والنطاق الهدف.
تعيين الهوية
خسارة إضافية في شبكات CycleGAN تشجع المولد على الحفاظ على خصائص الصورة المدخلة عندما تكون بالفعل تنتمي إلى النطاق الهدف، مما يحسن استقرار الترجمة.
مميز النطاق
شبكة عصبية تميز الصور الحقيقية لنطاق ما عن تلك التي تم إنشاؤها بواسطة التعيين، وبالتالي توجيه المولد لإنتاج ترجمات أكثر واقعية.
تبديل النطاق
قدرة النموذج على تبادل السمات الأسلوبية بين النطاقات مع الحفاظ على بنية المحتوى الأساسية للصورة الأصلية.
ترجمة من صورة إلى صورة
مهمة تحويل الصور من نمط أو تمثيل إلى آخر، مثل تحويل الصور إلى لوحات أو العكس، بدون إشراف مقترن.
خسارة الاتساق الدوري (Cycle Consistency Loss)
مصطلح إنجليزي لخسارة الاتساق الدوري، يقيس الفرق بين الصورة الأصلية وإعادة بنائها بعد دورة ترجمة ذهابًا وإيابًا.
DualGAN
نسخة من شبكات CycleGAN تستخدم صيغة مزدوجة للتعلم التنافسي، حيث يتعلم زوجان من المولد والمميز بشكل متزامن التعيينات العكسية.
DiscoGAN
بنية مشابهة لـ CycleGAN تقدم قيودًا إضافية لتحسين جودة الترجمة واستقرار التدريب على النطاقات المعقدة.
مولد بقايا
هيكل مولد يستخدم اتصالات بقائية لتسهيل تدريب الشبكات العميقة والحفاظ على تفاصيل الصورة الأصلية أثناء الترجمة.
مميز PatchGAN
نوع من المميزات يقوم بتقييم واقعية الصورة بواسطة رقع محلية بدلاً من تقييمها بشكل عام، مما يعزز الحصول على أنسجة عالية التردد أكثر واقعية في الترجمات.
مجال المصدر/الهدف
مصطلحات تشير على التوالي إلى مجموعة البيانات الأصلية ومجموعة البيانات التي تُترجم إليها الصور في عملية التعيين غير المقترن.
إعادة بناء الصورة
عملية استعادة الصورة الأصلية بعد دورة ترجمة، تُستخدم كمقياس لتقييم الحفاظ على المحتوى بواسطة CycleGAN.