Список содержания: Вчера японский актер Хоши Ногэн распространил через свой офис заявление, в котором объявил о своей женитьбе на невесте Юи Арагаки, которую многие фанаты-мужчины считают «женой».

Оригинал: HyperAI Super Neural

Ключевые слова: генеративно-состязательные сети StyleGAN

---

«Жена замужем», «Боль от того, что Хосино Юань берет жену», «Узел Е Цин»… После того, как Хосино Юань и Арагаки Юи официально объявили о своей свадьбе, многие пользователи сети вздохнули, как указано выше.

Они вместе снялись в японской дораме «Побег от стыда, но полезно».

Существует также волна пользователей сети, которые обратили свое внимание на детей Юи Арагаки и Ген Хосино после того, как спокойно приняли статус-кво «сломанной любви».Из-за страха, что ребенок не будет похож на мать.

Пользователи сети Weibo очень обеспокоены появлением двух детей.

С помощью модели с открытым исходным кодом BabyGAN мы предсказали появление будущих детей Юи Арагаки и Ген Хосино.

«Дахе» — имя двух детей из спектакля «Бежать стыдно, но полезно».

По прогнозу BabyGAN,Если бы ребенок Юи Арагаки и Ген Хосино был девочкой,Тогда реки разного возраста могут выглядеть так:

Анимация роста дочери, созданная BabyGAN

Если бы Дахе был мальчиком,Тогда реки разного возраста могут выглядеть так:

Анимация роста сына, созданная BabyGAN

Что такое артефакт BabyGAN?

BabyGAN — предсказатель внешности ребенка, основанный на StyleGAN.На основе энкодера и генератора можно вводить образы отца и матери, а после обработки нейросетью формировать или предсказывать внешний вид будущего ребенка.

метод предсказания:Используя модель нейронной сети, основанную на архитектуре GAN, скрытое представление извлекается из входного родительского изображения, а затем алгоритмически смешивается в определенной пропорции для создания дочернего изображения.

Отец (слева), предполагаемая внешность (в центре), мать (справа)

Используя направление задержки, вы можете изменить такие параметры, как возраст, ориентацию лица, настроение и пол.

Адрес проекта, пожалуйста, посетитеЗдесь

Кодировщик, пожалуйста, посетитеHere 

Этот учебник в основном демонстрирует:

1. Загрузите обученную модель BabyGAN локально

2. Подготовьте изображения обоих родителей и получите их скрытое представление.

3. Используйте модель для создания лица ребенка

4. Настройте пол, возраст и другие параметры ребенка, чтобы создать детские изображения, соответствующие потребностям.

Среда установки: Python: 3.6, TensorFlow: 1.15

Схематическая анимация для настройки пола, возраста и других атрибутов ребенка

Примечание. В этом руководстве рекомендуется работать на графическом процессоре.

Для полного руководства, пожалуйста, посетитеHere:

Подробное объяснение процесса обучения модели

1. Подготовка

2. Подготовьте родительские образы

3. Создайте дочерние изображения

4. Создавайте изображения детей с определенными характеристиками

Для полного руководства, пожалуйста, посетитеHere:

Высоко оцененные проекты с открытым исходным кодом, связанные со StyleGAN

Модель BabyGAN основана на StyleGAN, кроме того, на основе StyleGAN и StyleGAN2,Также было создано много высококачественных проектов с открытым исходным кодом.

StyleALAE

StyleALAE — это состязательный неявный автоэнкодер, основанный на генераторе StyleGAN.Он не только может генерировать изображения лиц 1024 x 1024 с качеством изображения, сравнимым со StyleGAN, но также может выполнять реконструкцию лица и изменение атрибутов на основе реальных изображений с тем же разрешением.

Схема архитектуры StyleALAE

Кодер StyleALAE использует уровень Instance Normalization (IN) для извлечения информации о многомасштабном стиле,Эта информация объединяется в неявный код w через обучаемую мультилинейную карту.

Связанные документы:Here

адрес проекта:Here

StyleFlow

Хотя с помощью StyleGAN легко создавать высококачественные, разнообразные и реалистичные изображения, использование (семантических) атрибутов для управления процессом генерации при сохранении высокого качества вывода не является простым делом.Кроме того, из-за запутанного характера скрытого пространства GAN,Редактирование одного свойства может легко привести к изменению других свойств.

Чтобы решить условное исследование запутанного скрытого пространства,Проблема выборки на основе атрибутов и редактирования на основе атрибутов.Исследователи придумали StyleFlow.

Используя StyleFlow, вы можете изменять свойство, не вызывая изменения других свойств, например, меняя только освещение, позу, выражение лица, пол и т. д.

Непоследовательное редактирование реальных изображений с помощью StyleFlow,Для экстремальных изображений, таких как пожилые люди и асимметричные, эффект лучше, чем у параллельного метода.

Связанные документы:Here

адрес проекта:Here

Pixel2style2pixel (pSp)

pSp — это кодировщик StyleGAN для преобразования изображения в изображение, основанный на новой сети кодирования, которая напрямую генерирует серию векторов стиля,Эти векторы стиля передаются в предварительно обученный генератор StyleGAN для формирования расширенного скрытого пространства w+.

В pSp кодер может напрямую внедрить реальное изображение w+ без дополнительной оптимизации,И задача преобразования изображения в изображение может быть решена напрямую с помощью кодировщика, который определяется как проблема кодирования из входного домена в скрытый домен.

Демонстрация pSp в инверсии StyleGAN, мультимодальный условный синтез изображений, фронтализация лица, закрашивание изображения и сценарии сверхвысокого разрешения.

pSp можно использовать без изменения структуры.решать широкий спектр задач по преобразованию изображений,Например, генерация изображения лица из карты сегментации, фронтализация лица, сверхвысокое разрешение и т. д.

Связанные документы:Here

адрес проекта:Here

GenForce

GenForce — это эффективная библиотека PyTorch для глубоких генеративных моделей, таких как StyleGAN, StyleGAN2, PGGAN и т. д.Он имеет следующие характеристики:

1. Распределенная структура обучения

2. Высокая скорость обучения

3. Модульная конструкция, подходящая для прототипирования новых моделей.

4. По сравнению с официальной версией TF, обучение StyleGAN воспроизводится в высокой степени.

5. Содержит множество предварительно обученных моделей GAN с демонстрацией Colab.

Связанные документы:Here

адрес проекта:Here

О OpenBayes

OpenBayes — ведущее исследовательское учреждение в области машинного интеллекта в Китае.Предоставьте контейнеры вычислительной мощности, автоматическое моделирование, автоматическую настройку параметров и другие базовые услуги, связанные с разработкой ИИ.

В то же время OpenBayes также запустила множество основных общедоступных ресурсов, таких как наборы данных, учебные пособия, модели и т. д.Для разработчиков, чтобы быстро учиться и создавать идеальные модели машинного обучения.

Посетите сейчасopenbayes.comи зарегистрируйтесь

готовые к использованию

600 минут в неделю на vGPU

и 300 минут в неделю бесплатного вычислительного времени ЦП

Спешите использовать BabyGAN, чтобы предсказать, как будет выглядеть ваш ребенок в будущем!

Полный учебный портал:Here

Колаб Портал:Here