হাইপারস্টাইল - চিত্র সম্পাদনার জন্য স্টাইলগান মেশিন লার্নিং সিস্টেমের অভিযোজন

তেল আভিভ ইউনিভার্সিটির গবেষকদের একটি দল হাইপারস্টাইল উপস্থাপন করেছে, NVIDIA এর StyleGAN2 মেশিন লার্নিং সিস্টেমের একটি উল্টানো সংস্করণ যা বাস্তব চিত্র সম্পাদনা করার সময় অনুপস্থিত অংশগুলিকে পুনরায় তৈরি করতে পুনরায় ডিজাইন করা হয়েছে। কোডটি PyTorch ফ্রেমওয়ার্ক ব্যবহার করে পাইথনে লেখা হয় এবং MIT লাইসেন্সের অধীনে বিতরণ করা হয়।

যদি StyleGAN আপনাকে বয়স, লিঙ্গ, চুলের দৈর্ঘ্য, হাসির চরিত্র, নাকের আকৃতি, ত্বকের রঙ, চশমা এবং ফটোগ্রাফ অ্যাঙ্গেলের মতো পরামিতিগুলি নির্দিষ্ট করে মানুষের বাস্তবসম্মত চেহারার নতুন মুখগুলিকে সংশ্লেষিত করার অনুমতি দেয়, তাহলে হাইপারস্টাইল বিদ্যমান একই প্যারামিটারগুলি পরিবর্তন করা সম্ভব করে। আসল মুখের স্বীকৃতি বজায় রেখে তাদের চারিত্রিক বৈশিষ্ট্য পরিবর্তন না করে ফটোগ্রাফ। উদাহরণস্বরূপ, হাইপারস্টাইল ব্যবহার করে, আপনি একটি ফটোতে একজন ব্যক্তির বয়সের পরিবর্তন অনুকরণ করতে পারেন, চুলের স্টাইল পরিবর্তন করতে পারেন, চশমা যোগ করতে পারেন, একটি দাড়ি বা গোঁফ যোগ করতে পারেন, ছবিটিকে একটি কার্টুন চরিত্র বা হাতে আঁকা চিত্রের চেহারা দিতে পারেন, একটি দু: খিত বা প্রফুল্ল মুখের অভিব্যক্তি। তদুপরি, সিস্টেমটি কেবল মানুষের মুখ পরিবর্তন করতেই নয়, যে কোনও বস্তুর জন্যও, উদাহরণস্বরূপ, গাড়ির চিত্রগুলি সম্পাদনা করতে প্রশিক্ষিত হতে পারে।

প্রস্তাবিত পদ্ধতিটি সম্পাদনার সময় একটি চিত্রের অনুপস্থিত অংশগুলি পুনর্গঠনের সমস্যা সমাধানের লক্ষ্যে। পূর্বে প্রস্তাবিত পদ্ধতিতে, পুনর্গঠন এবং সম্পাদনাযোগ্যতার মধ্যে ট্রেড-অফের সমাধান করা হয়েছিল ইমেজ জেনারেটরকে ফাইন-টিউনিং করে টার্গেট ইমেজের অংশগুলি প্রতিস্থাপন করার জন্য যখন প্রাথমিকভাবে অনুপস্থিত সম্পাদনাযোগ্য অঞ্চলগুলি পুনরায় তৈরি করা হয়। এই জাতীয় পদ্ধতির অসুবিধা হল প্রতিটি চিত্রের জন্য নিউরাল নেটওয়ার্কের দীর্ঘমেয়াদী লক্ষ্যযুক্ত প্রশিক্ষণের প্রয়োজন।

স্টাইলগান অ্যালগরিদমের উপর ভিত্তি করে পদ্ধতিটি একটি আদর্শ মডেল ব্যবহার করা সম্ভব করে, যা চিত্রের সাধারণ সংগ্রহে প্রাক-প্রশিক্ষিত, অ্যালগরিদমের সাথে তুলনীয় নির্ভরযোগ্যতার স্তরের সাথে আসল চিত্রের বৈশিষ্ট্যযুক্ত উপাদানগুলি তৈরি করতে যার প্রতিটির জন্য মডেলের পৃথক প্রশিক্ষণের প্রয়োজন হয়। ইমেজ নতুন পদ্ধতির আরেকটি সুবিধা হ'ল বাস্তব সময়ের কাছাকাছি পারফরম্যান্স সহ চিত্রগুলি পরিবর্তন করার ক্ষমতা।

Flickr-Faces-HQ (FFHQ, মানুষের মুখের 70 হাজার উচ্চ-মানের PNG ছবি), স্ট্যানফোর্ড কার (গাড়ির 16 হাজার ছবি) এবং সংগ্রহের উপর ভিত্তি করে মানুষ, গাড়ি এবং পশুদের মুখের জন্য প্রস্তুত প্রশিক্ষিত মডেলগুলি প্রস্তুত করা হয়। AFHQ (প্রাণীর ছবি)। অতিরিক্তভাবে, আপনার মডেলগুলিকে প্রশিক্ষণের জন্য সরঞ্জামগুলি সরবরাহ করা হয়, সেইসাথে তাদের সাথে ব্যবহারের জন্য উপযুক্ত স্ট্যান্ডার্ড এনকোডার এবং জেনারেটরের প্রস্তুত প্রশিক্ষিত মডেল। উদাহরণস্বরূপ, জেনারেটরগুলি Toonify-শৈলীর ছবি, পিক্সার অক্ষর, স্কেচ তৈরি করা এবং এমনকি ডিজনি কার্টুন থেকে রাজকন্যাদের স্টাইলাইজ করার জন্য উপলব্ধ।

উত্স: opennet.ru