然而若想得到高品質的生成結果，往往需要大量的訓練數據進行加持，才能訓練出逼真的生成結果。若訓練數據不足的情況下，是否也依然能夠獲得令人滿意的結果呢？NVIDIA Research 的最新人工智慧（AI）模型給出了突破性的答案！只需使用一般生成對抗網路（Generative Adversarial Network，GAN）所需學習材料的一小部分，就能夠學習到像是模仿名畫家的畫風，以及重現癌症組織影像等複雜的技術。

而這項被稱為自我調整判別器增強（Adaptive Discriminator Augmentation, ADA）的技術，可以將訓練所需的影像數量減少 10 至 20 倍，卻依舊能得到良好的訓練成果。NVIDIA 的研究人員將其技術用於熱門的 NVIDIA StyeGAN2 的模型上，以大都會藝術博物館提供不到 1500 張圖片的資料集，也能依舊用新角度去審視藝術品。同時也可以運用 NVIDIA DGX 系統來加快訓練速度，從歷史人物的肖像取材，創造出全新的 AI 藝術。據悉，這項技術將於神經信息處理系統年會（NeurIPS）上發表這個研究項目背後的研究報告。

過往，NVIDIA 的研究人員也開發出突破性的生成對抗網路模型，也都能在NVIDIA AI Playground 中取得。像是 AI 繪畫應用程式 GauGAN、遊戲引擎模仿程式 GameGAN 以及寵物照片變臉程式 GANimal。在藝術創作上，近期來自法國巴黎的 AI 藝術團隊 Obvious 就使用生成對抗網絡創作出非洲科打面具作品，代表著，想入門學習這個模型也無須太多訓練資料，讓藝術創作門檻更為友善。 

而生成對抗網路也和大多數神經網路一樣，往往有越多的訓練資料、模型品質會更好。這項全新推出的 ADA 方法，就可以對生成器進行指導，為其生成的每個像素給予回饋，進一步提高合成影像的真實感。舉例像是稀有的古代藝術畫作、醫療影像的樣本建置，有別於以往需要用上五萬至十萬的影像，才能訓練出一個高品質的生成對抗網絡；這項方法能夠以自我調整的方式來增強資料，在訓練過程中的不同時間點調整資料曾良露，避免產生過度擬合的問題產生。

AI 驅動的神經濾鏡  

 Adobe 更以 StyleGAN 2 來支援 Photoshop 最新的 AI 工具 Neural Filters；在 Photoshop 中，使用者可以利用 GPU 加速的神經過濾器進行影像創新。最受關注的組件之一，就是 Smart Portrait Filter，其只需拖動搖桿就可以對面部特徵進行編輯，包含像是臉部表情、面部年齡和凝視方向等。