斯坦福 CS228 概率图模型中文讲义 三、实际应用
三、实际应用 原文:Real-world applications 译者:飞龙 协议:CC BY-NC-SA 4.0 自豪地采用谷歌翻译 概率图模型有许多不同的实际应用。 我们总结了概率图形模型的下列应用,这些只是他们许多实际应用的一些例子。 图像的概率模型 考虑图像(像素矩阵)上的分布P(x),将较高概率分配给看起来真实的图像,将较低概率分配给其他东西。 给定这样的模型,我们可以解决大量有趣的任务。 图像生成 Radford 等人 训练了一个概率模型P(x),将高概率分配给看起来像卧室的图像(基于一些训练数据): 训练数据 如果我们取样x∼P(x),我们可以生成新的卧室图像。 生成的数据 与之相似,我们可以从人脸或者其它物体习得模型: 请注意,图像不完美,可能需要改进;然而,采样生成的图像与人们的预期非常相似。 填充 使用相同的P(x),我们也可以“填充图像的其余部分”。 例如,给定P(x)和现有图像的补丁(例如一张照片),我们可以从P(图像|补丁)中采样,并生成补全图像的不同可能方式: 请注意捕捉不确定性的概率模型的重要性:可能有多种方法来完成图像! 图像去噪 同样,如果图像受到噪...
