StyleGAN (स्टाइल जनरेटिव एडवर्सेरियल नेटवर्क) एक जनरेटिव मॉडल वास्तुकला है जिसे दिसंबर 2018 में NVIDIA शोधकर्ताओं द्वारा प्रस्तुत किया गया था। यह GAN ढांचे का एक विस्तार है, जिसे उच्च-रिज़ॉल्यूशन, फोटोरियलिस्टिक छवियाँ, विशेष रूप से मानव चेहरे, उत्पन्न करने के लिए डिज़ाइन किया गया है। यह वास्तुकला एक शैली-आधारित तंत्र के माध्यम से छवि सुविधाओं पर सूक्ष्म-स्तरीय नियंत्रण की अनुमति देती है, और इसका स्रोत कोड फरवरी 2019 में सार्वजनिक रूप से उपलब्ध कराया गया था।
StyleGAN प्रोग्रेसिव GAN दृष्टिकोण पर आधारित है, जो प्रशिक्षण के दौरान जनरेटर और डिस्क्रिमिनेटर को कम से उच्च रिज़ॉल्यूशन तक बढ़ाता है। मुख्य नवाचार कई स्केलों पर स्टाइल वेक्टरों का इंजेक्शन है, जो मॉडल को मोटे और बारीक विवरणों को स्वतंत्र रूप से नियंत्रित करने में सक्षम बनाता है। मूल कार्यान्वयन TensorFlow और NVIDIA के CUDA सॉफ़्टवेयर पर निर्भर था, लेकिन बाद के संस्करणों ने PyTorch को आधिकारिक लाइब्रेरी के रूप में अपनाया।
इतिहास
StyleGAN का प्रत्यक्ष पूर्ववर्ती प्रोग्रेसिव GAN है, जो 2017 में प्रकाशित हुआ था। दिसंबर 2018 में, NVIDIA शोधकर्ताओं ने StyleGAN के लिए एक प्रीप्रिंट और साथ में सॉफ़्टवेयर जारी किया, जो सामान्य GPU पर असीमित रूप से ठोस नकली मानव चेहरों के पोर्ट्रेट उत्पन्न करने में सक्षम था। फरवरी 2019 में, उबर इंजीनियर फिलिप वांग ने इस सॉफ़्टवेयर का उपयोग करके वेबसाइट "This Person Does Not Exist" बनाई, जो प्रत्येक पेज रीलोड पर एक नया चेहरा प्रदर्शित करती थी। वांग ने आश्चर्य व्यक्त किया कि, मनुष्यों के चेहरे समझने के लिए विकसित होने के बावजूद, StyleGAN प्रासंगिक चेहरे की विशेषताओं को अलग कर सकता है और उन्हें सुसंगत रूप से पुनः संयोजित कर सकता है।
सितंबर 2019 में, वेबसाइट "Generated Photos" ने StyleGAN के साथ बनाई गई 100,000 स्टॉक छवियों का संग्रह प्रकाशित किया, जिसमें एक निजी डेटासेट का उपयोग किया गया था जो नियंत्रित वातावरण में सुसंगत प्रकाश और कोणों के साथ शूट किया गया था। उसी समय, वाशिंगटन विश्वविद्यालय के सूचना स्कूल के दो संकाय सदस्यों ने "Which Face is Real?" बनाया, जो एक इंटरैक्टिव उपकरण था जो आगंतुकों को नकली और वास्तविक चेहरों के बीच अंतर करने की चुनौती देता था। उनका लक्ष्य जनता को प्रौद्योगिकी के अस्तित्व के बारे में शिक्षित करना था ताकि लोग इससे सावधान रह सकें, जैसे फोटोशॉप हेरफेर के बारे में व्यापक जागरूकता।
StyleGAN2 5 फरवरी 2020 को प्रकाशित हुआ, जिसने विशिष्ट कलाकृतियों को हटाया और छवि गुणवत्ता में सुधार किया। StyleGAN3, जिसे "एलियास-फ्री" संस्करण के रूप में वर्णित किया गया है, 23 जून 2021 को पेश किया गया, जिसका स्रोत कोड 12 अक्टूबर 2021 को जारी किया गया। इसने बारीक और मोटे विवरणों के बीच सुसंगतता में सुधार किया और इसे PyTorch का उपयोग करके लागू किया गया।
वास्तुकला
प्रोग्रेसिव GAN
प्रोग्रेसिव GAN स्थिर बड़े पैमाने पर छवि निर्माण के लिए एक प्रशिक्षण विधि है। यह जनरेटर को \(G = G_1 \circ G_2 \circ \cdots \circ G_N\) और डिस्क्रिमिनेटर को \(D = D_N \circ D_{N-1} \circ \cdots \circ D_1\) के रूप में विघटित करता है। प्रारंभ में, केवल \(G_N\) और \(D_N\) का उपयोग 4x4 छवियाँ उत्पन्न करने के लिए किया जाता है। फिर \(G_{N-1}\) और \(D_{N-1}\) जोड़े जाते हैं, जिससे 8x8 निर्माण संभव होता है, और इसी तरह 1024x1024 तक। असंतुलन से बचने के लिए, नई परतों को एक अल्फा कारक का उपयोग करके "मिश्रित" किया जाता है जो 0 से 1 तक सुचारू रूप से संक्रमण करता है, साथ ही अप- और डाउन-सैंपलिंग फ़ंक्शन।
StyleGAN
StyleGAN प्रोग्रेसिव GAN को न्यूरल स्टाइल ट्रांसफर के साथ जोड़ता है। प्रत्येक उत्पन्न छवि एक स्थिर 4x4x512 सरणी के रूप में शुरू होती है और स्टाइल ब्लॉकों से गुजरती है। प्रत्येक स्टाइल ब्लॉक एफ़िन ट्रांसफॉर्म (एडेप्टिव इंस्टेंस नॉर्मलाइज़ेशन) के माध्यम से एक स्टाइल लेटेंट वेक्टर लागू करता है, जैसे न्यूरल स्टाइल ट्रांसफर ग्रामियन मैट्रिसेस का उपयोग करता है। फिर यह शोर जोड़ता है और माध्य घटाकर और विचरण से विभाजित करके सामान्यीकरण करता है। प्रशिक्षण के दौरान, आमतौर पर प्रति छवि एक स्टाइल लेटेंट वेक्टर का उपयोग किया जाता है, लेकिन कभी-कभी दो (मिक्सिंग रेगुलराइज़ेशन) ताकि प्रत्येक स्टाइल ब्लॉक स्वतंत्र रूप से कार्य करने के लिए प्रोत्साहित हो।
अनुप्रयोग और प्रभाव
StyleGAN का व्यापक रूप से AI अनुसंधान और रचनात्मक अनुप्रयोगों में उपयोग किया गया है। इसने कला, डिज़ाइन और सिंथेटिक डेटा के लिए यथार्थवादी चेहरा निर्माण सक्षम किया है। विभिन्न स्तरों पर शैली को नियंत्रित करने की क्षमता ने जनरेटिव AI में बाद के मॉडलों को प्रेरित किया है। हालाँकि, इसने दुरुपयोग के बारे में चिंताएँ भी उठाई हैं, जैसे नकली प्रोफाइल या भ्रामक सामग्री बनाना।
अवैध उपयोग
दिसंबर 2019 में, फेसबुक ने झूठी पहचान वाले खातों के एक नेटवर्क को हटा दिया, यह नोट करते हुए कि कुछ ने मशीन लर्निंग तकनीकों के साथ बनाई गई प्रोफ़ाइल चित्रों का उपयोग किया। इसने गलत सूचना या पहचान धोखाधड़ी में StyleGAN के उपयोग की संभावना को उजागर किया, जिससे पहचान और नैतिक सुरक्षा उपायों के बारे में चर्चाएँ शुरू हुईं।
विरासत
StyleGAN का प्रभाव चेहरा निर्माण से परे है। इसके वास्तुकला सिद्धांत, जैसे प्रगतिशील विकास और शैली मॉड्यूलेशन, को विभिन्न डीप लर्निंग मॉडलों में अपनाया गया है। स्रोत कोड और बाद के संस्करणों (StyleGAN2 और StyleGAN3) के जारी होने ने इसे मशीन लर्निंग अनुसंधान में एक मानक बेंचमार्क बना दिया, जिसमें PyTorch और TensorFlow जैसे प्रमुख फ्रेमवर्क में कार्यान्वयन उपलब्ध हैं।