ከቴል አቪቭ ዩኒቨርሲቲ የተመራማሪዎች ቡድን የእውነተኛ ህይወት ምስሎችን በሚያስተካክልበት ጊዜ የጎደሉትን ክፍሎች እንደገና ለመፍጠር የተቀየሰውን ሃይፐርስታይል የተገለበጠ የNVadi's StyleGAN2 ማሽን መማሪያ ስርዓትን ይፋ አድርጓል። ኮዱ የፒቶርች ማዕቀፍን በመጠቀም በፓይዘን ተጽፎ በ MIT ፍቃድ ተሰራጭቷል።
StyleGAN እንደ ዕድሜ ፣ ጾታ ፣ የፀጉር ርዝመት ፣ የፈገግታ ንድፍ ፣ የአፍንጫ ቅርፅ ፣ የቆዳ ቀለም ፣ መነፅር እና የፎቶ አንግል ያሉ መለኪያዎችን በማዘጋጀት እውነተኛ የሚመስሉ የሰዎችን ፊቶች ለማዋሃድ ከፈቀደ HyperStyle አሁን ባሉት ተመሳሳይ ልኬቶችን ለመለወጥ ያስችላል። ፎቶግራፎች የባህሪ ባህሪያቸውን ሳይቀይሩ እና የመጀመሪያውን ፊት እውቅና ሳይሰጡ. ለምሳሌ HyperStyle ን በመጠቀም በፎቶ ላይ የአንድን ሰው ዕድሜ ለውጥ ማስመሰል ፣ የፀጉር አሠራር መለወጥ ፣ መነፅር ፣ ጢም ወይም ጢም ማከል ፣ ምስልን የካርቱን ገጸ-ባህሪ ወይም በእጅ የተሳለ ምስል እንዲመስል ማድረግ ፣ አሳዛኝ ወይም አስደሳች መግለጫ። በዚህ ሁኔታ ስርዓቱ የሰዎችን ፊት ለመለወጥ ብቻ ሳይሆን ለማንኛውም እቃዎች ለምሳሌ የመኪና ምስሎችን ለማረም ማሰልጠን ይቻላል.
የታቀደው ዘዴ በአርትዖት ጊዜ የጎደሉትን የምስሉ ክፍሎች መልሶ መገንባት ችግሩን ለመፍታት ያለመ ነው. በቀደሙት ዘዴዎች፣ በመልሶ ግንባታ እና በማረም መካከል ያለው ስምምነት መጀመሪያ ላይ የጎደሉትን መታረም የሚችሉ ቦታዎችን በሚፈጥርበት ጊዜ የምስል አመንጪውን በጥሩ ሁኔታ በማስተካከል የታለመውን ምስል ክፍሎች በመተካት ተፈቷል። የእንደዚህ አይነት አካሄዶች ጉዳቱ ለእያንዳንዱ ምስል የነርቭ አውታረመረብ የረጅም ጊዜ የታለመ ስልጠና አስፈላጊነት ነው.
በ StyleGAN ስልተ-ቀመር ላይ የተመሰረተው ዘዴ ቀደም ሲል በተለመደው የምስሎች ስብስቦች ላይ የሰለጠኑ የተለመዱ ሞዴሎችን ለመጠቀም, ለእያንዳንዱ ምስል ሞዴል የግለሰብ ስልጠና ከሚያስፈልጋቸው ስልተ ቀመሮች ጋር ተመጣጣኝ የሆነ የመተማመን ደረጃ የዋናውን ምስል ባህሪያት ለማመንጨት ያስችላል. . ከአዲሱ ዘዴ ጥቅሞች መካከል ምስሎችን በእውነተኛ ጊዜ ቅርብ በሆነ አፈፃፀም የመቀየር እድሉም ይታያል ።
ቀደም ሲል የሰለጠኑ ሞዴሎች በ Flicker-Faces-HQ (FFHQ, 70k ከፍተኛ ጥራት ያላቸው የሰዎች ፊት የፒኤንጂ ምስሎች), ስታንፎርድ መኪናዎች (የመኪናዎች 16 ኪሎ ግራም ምስሎች) እና AFHQ (ፎቶዎች) ስብስቦች ላይ በመመርኮዝ ለሰው, ለመኪና እና ለእንስሳት ፊቶች ይዘጋጃሉ. የእንስሳት). በተጨማሪም ሞዴሎቻቸውን ለማሰልጠን የሚረዱ መሳሪያዎች እንዲሁም ከነሱ ጋር ለመጠቀም ተስማሚ የሆኑ የተለመዱ ኢንኮዲተሮች እና ጄነሬተሮች ዝግጁ ሆነው የሰለጠኑ ሞዴሎች ተዘጋጅተዋል። ለምሳሌ የToonify አይነት ምስሎችን፣ የPixar ገጸ-ባህሪያትን፣ መሳል እና እንደ የዲስኒ ልዕልቶች ቅጥ ለመፍጠር ጄነሬተሮች ይገኛሉ።
ምንጭ: opennet.ru