Gerar imagens realistas a partir de descrições de texto sempre foi um desafio no campo da inteligência artificial. Contudo, um grupo de pesquisadores chineses desenvolveu uma rede neural generativa adversarial, chamada CD-GAN, que utiliza o conhecimento comum para gerar imagens de alta qualidade a partir de descrições de texto.
Criar imagens a partir de texto é um desafio difícil na área de inteligência artificial, pois é necessário tomar decisões sobre o tamanho, cor, forma e outros detalhes específicos dos objetos descritos. Para enfrentar esse desafio, o grupo de pesquisa chinês desenvolveu a CD-GAN, uma rede neural generativa adversarial que utiliza o conhecimento comum para melhorar a síntese de imagens a partir de texto.
A CD-GAN é composta por três módulos principais: descrição melhorada, geração multietapa e discriminação multietapa. O primeiro módulo utiliza o banco de dados ConceptNet para adicionar conhecimento comum relevante à descrição original do texto. O segundo utiliza uma abordagem de “refinamento de entidade adaptativa” para gerar imagens de alta qualidade em várias etapas, enquanto o terceiro verifica se as imagens geradas correspondem à descrição original do texto.
A rede neural CD-GAN foi treinada usando o conjunto de dados Caltech-UCSD Birds-200-2011, que contém mais de 11.000 imagens de aves. Os resultados da rede foram muito promissores, com imagens geradas que eram naturais, nítidas e coerentes com a descrição original. A aplicação mais promissora da CD-GAN é na indústria do entretenimento e jogos de vídeo, onde pode ajudar os desenvolvedores a criar ambientes virtuais mais detalhados e realistas.
Embora a CD-GAN seja um grande avanço na síntese de imagens a partir de texto, ainda há muito trabalho a ser feito nessa área. A incorporação de mais conhecimento comum e a melhoria da capacidade da rede de reconhecer objetos complexos podem melhorar ainda mais a qualidade das imagens geradas. À medida que a tecnologia continua a evoluir, é emocionante pensar nas muitas aplicações que essa tecnologia terá no futuro.
