{"id":22337,"date":"2023-11-27T04:02:55","date_gmt":"2023-11-27T04:02:55","guid":{"rendered":"https:\/\/domosistemas.com\/?p=22337"},"modified":"2023-11-27T04:02:55","modified_gmt":"2023-11-27T04:02:55","slug":"el-mit-desarrolla-un-sistema-para-entrenar-modelos-de-aprendizaje-automatico-con-imagenes-sinteticas","status":"publish","type":"post","link":"https:\/\/domosistemas.com\/?p=22337","title":{"rendered":"El MIT desarrolla un sistema para entrenar modelos de aprendizaje autom\u00e1tico con im\u00e1genes sint\u00e9ticas"},"content":{"rendered":"
\n

Los investigadores del Instituto Tecnol\u00f3gico de Massachusetts (MIT<\/a>) CSAIL est\u00e1n innovando con im\u00e1genes sint\u00e9ticas para entrenar modelos de aprendizaje autom\u00e1tico, para que sean m\u00e1s eficientes y con menos sesgos. En el centro del enfoque se encuentra un sistema llamado StableRep, que no utiliza simplemente im\u00e1genes sint\u00e9ticas; las genera a trav\u00e9s de modelos de conversi\u00f3n de texto a imagen como Stable Diffusion.<\/p>\n

\"Entrenamientos
El modelo aprende mediante una estrategia llamada aprendizaje contrastivo multipositivo.<\/figcaption><\/figure>\n

La estrategia que utilizan los investigadores se llama aprendizaje contrastivo multipositivo. Este enfoque considera m\u00faltiples im\u00e1genes generadas a partir de mensajes de texto id\u00e9nticos, como pares positivos, proporcionando informaci\u00f3n adicional durante el entrenamiento, no solo agregando m\u00e1s diversidad sino especificando al sistema de visi\u00f3n qu\u00e9 im\u00e1genes son similares y cu\u00e1les son diferentes.<\/p>\n

Un aspecto fundamental de StableRep es el ajuste de la escala de orientaci\u00f3n en el modelo generativo, que garantiza un delicado equilibrio entre la diversidad y la fidelidad de las im\u00e1genes sint\u00e9ticas. Cuando se ajustaron con precisi\u00f3n, se descubri\u00f3 que las im\u00e1genes sint\u00e9ticas utilizadas en el entrenamiento de estos modelos autosupervisados \u200b\u200beran tan efectivas, si no m\u00e1s, que las im\u00e1genes reales.<\/p>\n

Dando un paso m\u00e1s, se agreg\u00f3 la supervisi\u00f3n del idioma a la mezcla, creando una variante mejorada: StableRep+. Cuando se entren\u00f3 con 20 millones de im\u00e1genes sint\u00e9ticas, StableRep+ no solo logr\u00f3 una precisi\u00f3n superior, sino que tambi\u00e9n mostr\u00f3 una eficiencia notable en comparaci\u00f3n con los modelos CLIP entrenados con la asombrosa cantidad de 50 millones de im\u00e1genes reales.<\/p>\n

Limitaciones del sistema<\/h2>\n

Los investigadores abordan con varias limitaciones, incluida la lentitud actual de generaci\u00f3n de im\u00e1genes, los desajustes sem\u00e1nticos entre las indicaciones de texto y las im\u00e1genes resultantes, la posible amplificaci\u00f3n de los sesgos y las complejidades en la atribuci\u00f3n de im\u00e1genes.<\/p>\n

Otro problema es que StableRep requiere entrenar primero el modelo generativo con datos reales a gran escala. El equipo reconoce que empezar con datos reales sigue siendo una necesidad. Sin embargo, cuando se tiene un buen modelo generativo, puede reutilizarlo para nuevas tareas, como entrenar modelos de reconocimiento y representaciones visuales.<\/p>\n

Si bien StableRep ofrece una buena soluci\u00f3n al disminuir la dependencia de grandes colecciones de im\u00e1genes reales, pone de relieve preocupaciones sobre sesgos ocultos dentro de los datos no seleccionados utilizados para estos modelos de texto a imagen. La elecci\u00f3n de las indicaciones de texto, parte integral del proceso de s\u00edntesis de im\u00e1genes, no est\u00e1 completamente libre de sesgos.<\/p>\n

La entrada El MIT desarrolla un sistema para entrenar modelos de aprendizaje autom\u00e1tico con im\u00e1genes sint\u00e9ticas<\/a> aparece primero en CASADOMO<\/a>.<\/p>\n<\/div>\n","protected":false},"excerpt":{"rendered":"

Los investigadores del Instituto Tecnol\u00f3gico de Massachusetts (MIT) CSAIL est\u00e1n innovando con im\u00e1genes sint\u00e9ticas para entrenar modelos de aprendizaje autom\u00e1tico, para que sean m\u00e1s eficientes y con menos sesgos. En el centro del enfoque se encuentra un sistema llamado StableRep, que no utiliza simplemente im\u00e1genes sint\u00e9ticas; las genera a trav\u00e9s de modelos de conversi\u00f3n de … Sigue leyendo El MIT desarrolla un sistema para entrenar modelos de aprendizaje autom\u00e1tico con im\u00e1genes sint\u00e9ticas<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[3],"tags":[],"class_list":["post-22337","post","type-post","status-publish","format-standard","hentry","category-casadomo-com"],"_links":{"self":[{"href":"https:\/\/domosistemas.com\/index.php?rest_route=\/wp\/v2\/posts\/22337","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/domosistemas.com\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/domosistemas.com\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/domosistemas.com\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/domosistemas.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=22337"}],"version-history":[{"count":0,"href":"https:\/\/domosistemas.com\/index.php?rest_route=\/wp\/v2\/posts\/22337\/revisions"}],"wp:attachment":[{"href":"https:\/\/domosistemas.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=22337"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/domosistemas.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=22337"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/domosistemas.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=22337"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}