Nevronska mreža Pix2pix realistično obarva skice s svinčnikom in črno-bele fotografije. Kakšne zanimive podrobnosti imajo?

Prenesite celotno igro

Igrajte brezplačno z neposredno povezavo za Windows PC. je tečaj, ki vam omogoča, da ga preoblikujete prav v foto dobro

Žanr(i): Simulacija

Opis: Tako kot v , je uporaba pix2pix zelo enostavna – preprosto oblikujete človeški obraz v preostalem polju, nato pa kliknete »Proces«, da ugotovite, kaj ustvari z uporabo čudeža drugih tehničnih čarovnij in izračunov. Ni vam treba biti umetnik, da bi se zabavali z uporabo pix2pix Photo Generatorja, čeprav bolj opisno ustvarite svojo risbo, večja je verjetnost, da bo postala nekaj podobnega pristnemu posamezniku. Pravi užitek izvira iz iskanja iznakaženih pošasti, ki jih je treba ustvariti, in poigravanja z različnimi vrstami skic.

Pix2pix je tečaj, ki vam omogoča, da ga preoblikujete naravnost v foto vodnjak in vlečete kar koli v posodo, čarobno. Trenutno obstaja in vrsta spletnega mesta je hkrati najbolj izjemna in strašljiva stvar, kar sem jih danes videl.

Googlova odprtokodna naloga strojnega učenja Tensorflow se najverjetneje vedno uporablja za uporabne predmete, ki napredujejo zaradi nečesa ali človeštva. Vendar se po mojem mnenju bolje uporablja za ustvarjanje strašljivih slik iz avtomobilov iz preprostih črtnih risb. Govorim o edges2cats, ki je vsako črtno risbo spremenil v mačko. Bila je cela stvar! Vsi so upali, da objavlja slike resnično norih mačk na Facebooku, da bi se jim drugi smejali.

Enako se je zgodilo, le da danes niso mačke. In namesto Googlove naloge, njegov program umetne inteligence, ki je pravkar dobil veliko število slik enega od svojih voditeljev, je Lara Rense producirala nizozemska javna radiotelevizija NPO. Omrežna programska oprema je znana kot Pix2Pix, kot je navedeno Iz splošno znanje o protetiki Tumblr.

Očitno se izidi večinoma zdijo kot bitja, zlasti prašičje mladiče iz prve sezone American Horror Story. Tudi palec gor. Pomislite na Googlovega Deep, sanjskega krznarja.

Samo povlecite doodle na enem delu, pritisnite stikalo in prejeli boste »fotografijo« dizajna o drugačnem, sešite skupaj kot mešanica, ustvarjena iz resničnih slik končanega risanja. Podobnost ni … ni slaba.

Polna različica tega bloga. na mestu. igra brez hroščev in napak. Objavili smo neposredne povezave za brezplačen prenos te igre za PC (osebni računalnik) (100 % brezplačno). Najnovejša in posodobljena igra založnikov je podana tukaj. v visoko stisnjeni obliki brez virusov. igra od tukaj.. Prosimo, da jo namestite s priporočenimi nastavitvami. Uživajte v brezplačnem igranju te čudovite igre na vašem računalniku. Deli s prijatelji. Nekatere funkcije in posnetki zaslona iz igre so podani spodaj.

Pix2pix Igranje

Sistemske zahteve Pix2pix

Sistemske zahteve te igre so opisane v spodnji vsebini. S temi specifikacijami bo igra delovala gladko in grafika bo kristalno jasna. Najbolj koristen je stroj (CPE), ki je boljši od teh specifikacij.

Minimalne sistemske zahteve:

OS: Vista/Win7/Windows 8
Procesor: 2 GHz dvojedrni
Pomnilnik: 2 GB RAM
Grafika: NVIDIA GeForce 8600 ali boljša, ATI Radeon HD 2600 ali boljša
DirectX: 9.0c

1. Ekstrahirajte z najnovejšo različico WinRAR.
2. Namestite setup.exe.
3. Počakajte, da je končano.
4. Igraj igro.
5. Uživajte.

Opomba: Podprite razvijalce programske opreme. Če vam je ta igra všeč, jo prosim kupite! Najlepša hvala.

Povezave so bile zbrane iz različnih gostiteljev datotek (kot so Mega, Google Drive, Userscloud, Uporabniške datoteke, Zxcfiles, Kumpulbagi, Clicknupload, Huge files, Rapidgator, Uploaded, Up07, Uptobox, Uploadrocket in druge hitre neposredne povezave za prenos). Nudimo tudi torrent in FTP povezave, ki imajo zanesljivo hitrost prenosa. Če ste opazili kakršno koli težavo v povezavi ali v datoteki, ki jo prenašate, nas nemudoma obvestite, da jo bomo čim prej odpravili. Upamo, da ta igra dobro deluje na vašem sistemu z zgoraj omenjenimi specifikacijami. Če nimate specifikacij za sistem, najprej nadgradite, če želite igrati to igro, sicer ne bo delovala dobro. Spodaj so navedene neposredne povezave za prenos te igre. polna in popolna igra. Samo prenesite in začnite igrati. Hvala, ker ste si ogledali naše delo!

je neverjetna aplikacija, ki lahko običajne risbe spremeni v realistične slike velikih mojstrov umetnosti. To majhno orodje za Android vas lahko nauči, kako lepo risati, tudi če se nikoli niste imeli za umetnika in sploh ne znate pravilno držati čopiča. Zdaj je dovolj, da na zaslonu prikažete katero koli čečkanje, počakate nekaj sekund in se presenetite nad nastalo mojstrovino.

Čeprav je sistem Pix2Pix še vedno nepopoln, saj je to šele druga različica aplikacije, pa vas že sedaj lahko program marsikaj preseneti. Razvoj temelji na že rahlo poznani tehnologiji urejanja slik z uporabo nevronskih mrež. Verjetno ste že videli, kakšnih čudežev je sposoben Prism oz. Sedaj pa je pred nami popolnoma izjemen izdelek, ki ni podoben nobenemu drugemu. Samo predstavljajte si - rišete kakšno mačko ali celo svojega soseda po mizi, pa se pravzaprav ne trudite, ampak Pix2px vaše črčkarije spremeni v osupljive mojstrovine. Morda bi bil Picassu všeč, če bi se ta mobilni program pojavil veliko prej! Toda samo mi imamo srečo, ker samo mi, sodobni ljudje, dobil edinstvena priložnost v največji možni meri uporabljajte mobilno tehnologijo. Takoj nadgradite svoj pametni telefon ali tablico, dodajte neverjetna priložnost spremenite risbo v sliko in zagotovo boste navdušili vse svoje prijatelje s svojimi novimi sposobnostmi!

Kako uporabljati Pix2Pix v sistemu Android:

Naj vas ne obupa, če prvič ne dobite popolne slike. Aplikacija je bila prvotno zasnovana tako, da vas preprosto razveseli. Morda razvijalec še ni izpopolnil svojega ustvarjanja in ima na čem delati, vendar vam in vašim prijateljem ne bo nikoli dolgčas. Zato predlagamo, da programa ne ocenjujete preveč resno prenesite Pix2Pix zaradi zabave. Z nekaj vaje lahko ustvarite resnično čarobno mojstrovino, včasih pa se želite le zabavati. Ne zanikajte si užitka, igrajte se, šalite se in pridobite samo pozitivna čustva iz te nenavadne aplikacije!

Izjava o omejitvi odgovornosti: objava je bila napisana na podlagi urejenih dnevnikov klepetov z zaprtecircles.com, od tod tudi slog predstavitve in pojasnjevalna vprašanja

Vse to je izvedba dokumenta Prevajanje slike v sliko s pogojnimi kontradiktornimi omrežji podjetja Berkeley AI Research.

Torej, kako vse to deluje?

V papirju ljudje rešujejo problem preoblikovanja slike v drugo, tako da človeku ni treba izmisliti funkcije izgube.

Ena od glavnih težav z nevronskimi mrežami pri ustvarjanju slik je, da če kot izgubo uporabite samo povprečno razliko v slikovnih pikah, na primer L1 ali L2 (ali povprečna kvadratna napaka), potem omrežje teži k povprečenju vsega možne možnosti. Če je na končni sliki nekaj negotovosti - na primer, rob je lahko na drugem mestu ali je barva v določenem obsegu, potem je optimalen rezultat z vidika izgube L2 nekaj vmes med vsemi možnimi primerov, in ne katerega koli posebnega.

Zato se slike izkažejo za zelo zamegljene lise.

Za različne posamezne naloge so si ljudje izmislili druge funkcije izgube, da bi izrazili določeno strukturo, ki bi morala biti na dobljeni sliki (za segmentacijo so na primer poskušali dodati pogojna naključna polja itd. itd.), vendar to vse pomaga postopoma in je zelo odvisno od naloge.

No, v skladu z novimi trendi, časopis priklopi GAN (Generative Adversarial Network) kot dodatno izgubo za L1. (o GAN-jih lahko preberete na Habré in)

Splošna shema imajo tole:

Generator dobi kot vhod vhodno sliko - je dodaten pogoj, kaj je treba generirati. Na njegovi podlagi naj generator ustvari izhodno sliko.

Diskriminatorju je podana vhodna slika in tisto, kar je ustvaril generator (ali, za pozitivne primere, pravi par iz nabora podatkov za usposabljanje), in povedati mora, ali je ustvarjena slika resnična ali ustvarjena. Če torej generator ustvari sliko, ki ni povezana z vhodom, mora diskriminator to določiti in zavreči.

Generator je rezultat iterativnega usposabljanja tega para omrežij.

Na splošno je to standardni pristop pogojnih GAN-jev – različica GAN-ov, kjer mora model ustvariti slike, ki ustrezajo dodatnemu vektorju vhodnega razreda.

Samo tukaj je vektor vhodnega razreda slika, skupna izguba pa je izguba GAN + L1.

V smislu "vrganja GAN" v kontekstu razprave o izgubah, kot je dodajanje generatorja in reševanje problema iskanja minimaksa?
No ja.

Vklopljeno visoka stopnja Vse!

Kakšne zanimive podrobnosti imajo?

Za razliko od klasičnega pristopa k GAN-jem se generatorju sploh ne posreduje vektor šuma.
Vsa pestrost je samo zato, ker ima omrežje osip in ga po treningu ne izklopijo.

• Omrežna arhitektura - U-Net, dokaj nova arhitektura za segmentacijo, ki ima veliko preskočnih povezav od kodirnika do dekoderja (tukaj je kratek opis)

Tukaj je slika, ki prikazuje, da tako izguba GAN kot U-net pomagata.


Tukaj je, mimogrede, jasno vidna začetna težava z uporabo samo izgube L1 - tudi močan model ustvari zamegljene lise, da bi zmanjšal povprečno odstopanje.

• Model usposobijo na zaplate 70x70 in ga nato uporabijo na velikih slikah s popolno konvolucijo. Smešno je, da 70x70 daje v povprečju boljše rezultate kot pa narediti celotno sliko 256x256 naenkrat.

Kje so mačke!!!

Po tem je sistem, ki se lahko uri na poljubnih vhodih in izhodih, tudi če so iz popolnoma drugih problemov.


Od segmentacije do fotografije, od dnevne do nočne fotografije, od črno-bele do barvne itd.

In tukaj je zadnji primer - od robov do slike. Robove na sliki generira standardni algoritem računalniškega vida.

To pomeni, da lahko preprosto posnamete niz slik, zaženete zaznavanje robov in na teh parih
vlak. Lahko se izvaja tudi na mačkah:

In potem lahko model ustvari nekaj za vse skice, ki jih ljudje narišejo.

(mimogrede, pošlji mi tisto, česar se spomniš)

Tako je bilo pomanjkanje kruhastih mačk med človeštvom odpravljeno!

Na splošno je to delo še en primer, kako so GAN od lanskega leta vzleteli. Izkazalo se je, da je to zelo zmogljivo in prilagodljivo orodje, ki izraža »želim, da se ne razlikuje od prave stvari, čeprav ne vem, kaj to točno pomeni« kot cilj optimizacije.
Upajmo, da bo kdo napisal popoln pregled vsega, kar se dogaja na tem območju! Tam je vse zelo kul.

Hvala za vašo pozornost.

Algoritem pix2pix se je naučil prepoznati ljudi na skicah in jih pretvoriti v "realistično" sliko. Izkazalo se je, da ni zelo realistično - ampak zelo grozljivo. To ni prvi algoritem projekta: pred nekaj meseci so grde mačke na internetu že risali s pomočjo pix2pix. Tudi tokrat se nismo mogli upreti.

“Nov pix2pix za obraze (slike niso moje, uvozil sem jih s programom tretje osebe).”

Res je, če skica ni izvedena briljantno, potem algoritem ustvari slike, ki jih težko imenujemo realistične - prej nočne more. In o tem so se prepričali uporabniki Twitterja, ki se novi zabavi niso mogli upreti. Ni se dobro izkazalo.

Odločil sem se, da uporabim tisto pix2pix in vanje narišem nekaj risanih likov in rezultati so bolj grozljivi, kot sem mislil, da jih bom dobil pic.twitter.com/i3PatUtuEu

»Odločil sem se, da bom uporabil ta pix2pix in vanj narisal nekaj risanih junakov. Rezultati so bolj grozljivi, kot sem pričakoval."

"Globoko razburljivo."

"Nameraval sem narediti "grozljivo ribjo pošast", vendar mi je nevronska mreža pix2pix naredila nekaj boljšega, saj mu je dala pričesko kot član fantovske skupine."

"Malo grozljivo ..."

"To je grozno!"

Vendar tudi žalostni rezultati ne morejo odvrniti uporabnikov Twitterja od ustvarjalnosti.

"Več zabave!"

"Všeč mi je to orodje!"

"Fant #3 izgleda dobro."

"Impresivni generator obraza iz skic."

Projekt pix2pix je pred nekaj meseci postal znan po svojem algoritmu, ki je na podlagi nevronskih mrež pretvoril ročno narisane mačke v "realistične". No, le mačka, ki so jo narisali ustvarjalci sami, je bila videti realistična. Toda tisto, kar so običajni uporabniki počeli v aplikaciji, je bilo veliko bolj podobno krznenim pošastim kot mačkam v običajnem pomenu besede.

»Poglejte mojo mačko. Vsakdo je lahko umetnik."

Obseg nevronskih mrež je impresiven, zato se uporabljajo za resnejše stvari kot risanje grozljivih zgodb. Na primer, pornografske strani so nedavno predstavile storitev, ki . Vendar se mora ta algoritem, sodeč po rezultatu, še učiti in učiti. Sicer pa, zakaj bi Eleno Mizulino primerjal z Brooklyn Chase?