{"id":101605,"date":"2021-10-12T16:22:58","date_gmt":"2021-10-12T14:23:00","guid":{"rendered":"https:\/\/prohoster.info\/blog\/novosti-interneta\/nvidia-otkryla-kod-stylegan3-sistemy-mashinnogo-obucheniya-dlya-sinteza-licz"},"modified":"2021-10-12T16:22:58","modified_gmt":"2021-10-12T14:23:00","slug":"nvidia-otkryla-kod-stylegan3-sistemy-mashinnogo-obucheniya-dlya-sinteza-licz","status":"publish","type":"post","link":"https:\/\/prohoster.info\/hu\/blog\/news\/nvidia-otkryla-kod-stylegan3-sistemy-mashinnogo-obucheniya-dlya-sinteza-licz","title":{"rendered":"Az NVIDIA megnyitotta a StyleGAN3 k\u00f3dj\u00e1t, amely egy fejlett g\u00e9pi tanul\u00e1si rendszer az arcok szint\u00e9zis\u00e9hez","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

Az NVIDIA k\u00f6zz\u00e9tette a StyleGAN3 forr\u00e1sk\u00f3dj\u00e1t, egy generat\u00edv ellens\u00e9ges neur\u00e1lis h\u00e1l\u00f3zaton (GAN) alapul\u00f3 g\u00e9pi tanul\u00e1si rendszert, amely a realisztikus emberi arcok k\u00e9peinek szint\u00e9zis\u00e9re \u00f6sszpontos\u00edt. A k\u00f3d Python nyelven k\u00e9sz\u00fclt a PyTorch keretrendszer haszn\u00e1lat\u00e1val, \u00e9s az NVIDIA Forr\u00e1sk\u00f3d Licenc alatt terjesztik, amely kereskedelmi c\u00e9l\u00fa felhaszn\u00e1l\u00e1sra vonatkoz\u00f3 korl\u00e1toz\u00e1sokat tartalmaz. <\/p>\n

K\u00e9sz, el\u0151k\u00e9pzett modellek is rendelkez\u00e9sre \u00e1llnak a Flickr-Faces-HQ (FFHQ) gy\u0171jtem\u00e9nyen, amely 70 ezer magas sz\u00ednvonal\u00fa (1024×1024) PNG-form\u00e1tum\u00fa emberi arck\u00e9pet tartalmaz. Ezen k\u00edv\u00fcl van olyan modell, amely az AFHQv2 (\u00e1llatok arck\u00e9pei) \u00e9s a Metfaces (klasszikus festm\u00e9nyek portr\u00e9i) gy\u0171jtem\u00e9nyek alapj\u00e1n k\u00e9sz\u00fclt. A fejleszt\u00e9s sor\u00e1n a hangs\u00faly az arcokon van, de a rendszer k\u00e9pes b\u00e1rminem\u0171 objektumok, p\u00e9ld\u00e1ul t\u00e1jak \u00e9s aut\u00f3k gener\u00e1l\u00e1s\u00e1ra is. Tov\u00e1bb\u00e1 eszk\u00f6z\u00f6ket biztos\u00edtanak a felhaszn\u00e1l\u00f3k saj\u00e1t k\u00e9pkollekci\u00f3ik alapj\u00e1n t\u00f6rt\u00e9n\u0151 \u00f6n\u00e1ll\u00f3 neur\u00e1lis h\u00e1l\u00f3zati tan\u00edt\u00e1s\u00e1hoz. A m\u0171k\u00f6d\u00e9shez egy vagy t\u00f6bb NVIDIA grafikus k\u00e1rtya sz\u00fcks\u00e9ges (aj\u00e1nlott a GPU Tesla V100 vagy A100), legal\u00e1bb 12 GB RAM, PyTorch 1.9 \u00e9s CUDA 11.1+ eszk\u00f6zk\u00e9szlet. A gener\u00e1lt arck\u00e9pek mesters\u00e9ges jelleg\u00e9nek meghat\u00e1roz\u00e1s\u00e1ra egy speci\u00e1lis detektort fejlesztenek. <\/p>\n

A rendszer lehet\u0151v\u00e9 teszi \u00faj arcok k\u00e9peinek szint\u00e9zis\u00e9t t\u00f6bb arc jellemz\u0151inek interpol\u00e1l\u00e1sa alapj\u00e1n, kombin\u00e1lva azok tulajdons\u00e1gait, \u00e9s az elk\u00e9sz\u00edtett k\u00e9pet az \u00e9letkor, nem, hajhossz, mosoly t\u00edpusa, orr form\u00e1ja, b\u0151rsz\u00edn, szem\u00fcveg \u00e9s f\u00e9nyk\u00e9pez\u00e9si sz\u00f6g ig\u00e9nyeire is alak\u00edtva. A gener\u00e1tor \u00fagy tekinti a k\u00e9pet, mint st\u00edlusok gy\u0171jtem\u00e9ny\u00e9t, automatikusan elk\u00fcl\u00f6n\u00edti a jellemz\u0151 r\u00e9szleteket (\u00f6n\u00e1ll\u00f3 \u00e1rny\u00e9kok, haj, szem\u00fcveg) a k\u00f6z\u00f6s, magas szint\u0171 attrib\u00fatumokt\u00f3l (testtart\u00e1s, nem, \u00e9letkor), \u00e9s lehet\u0151v\u00e9 teszi ezek tetsz\u0151leges kombin\u00e1l\u00e1s\u00e1t a domin\u00e1l\u00f3 tulajdons\u00e1gok s\u00falyoz\u00e1s\u00e1val. Ennek eredm\u00e9nyek\u00e9nt olyan k\u00e9pek gener\u00e1l\u00f3dnak, amelyek l\u00e1tsz\u00f3lag megk\u00fcl\u00f6nb\u00f6ztethetetlenek a val\u00f3di f\u00e9nyk\u00e9pekt\u0151l.

\"Az<\/center> <\/p>\n

A StyleGAN technol\u00f3gia els\u0151 verzi\u00f3j\u00e1t 2019-ben tett\u00e9k k\u00f6zz\u00e9, amelyet 2020-ban egy tov\u00e1bbfejlesztett StyleGAN2 verzi\u00f3 k\u00f6vetett, amely lehet\u0151v\u00e9 tette a k\u00e9pek min\u0151s\u00e9g\u00e9nek jav\u00edt\u00e1s\u00e1t \u00e9s bizonyos artefaktumok elt\u00fcntet\u00e9s\u00e9t. A rendszer statikus maradt, azaz nem tette lehet\u0151v\u00e9 a re\u00e1lis anim\u00e1ci\u00f3 \u00e9s arcmozg\u00e1s el\u00e9r\u00e9s\u00e9t. A StyleGAN3 fejleszt\u00e9se sor\u00e1n a f\u0151 c\u00e9l az volt, hogy a technol\u00f3gi\u00e1t anim\u00e1ci\u00f3k \u00e9s vide\u00f3k haszn\u00e1lat\u00e1ra alkalmazz\u00e1k. <\/p>\n

A StyleGAN3 \u00fajragondolt k\u00e9pgener\u00e1l\u00f3 architekt\u00far\u00e1t alkalmaz, amely mentes az aliasing-t\u00f3l, \u00e9s \u00faj tanul\u00e1si szcen\u00e1ri\u00f3kat k\u00edn\u00e1l a neur\u00e1lis h\u00e1l\u00f3 sz\u00e1m\u00e1ra. \u00daj seg\u00e9dprogramok ker\u00fcltek bele az interakt\u00edv vizualiz\u00e1ci\u00f3hoz (visualizer.py), elemz\u00e9shez (avg_spectra.py) \u00e9s vide\u00f3 gener\u00e1l\u00e1s\u00e1hoz (gen_video.py). A megval\u00f3s\u00edt\u00e1s sor\u00e1n cs\u00f6kkentett\u00e9k a mem\u00f3riafogyaszt\u00e1st \u00e9s felgyors\u00edtott\u00e1k a tan\u00edt\u00e1si folyamatot.

\"Az<\/center> <\/p>\n

A StyleGAN3 architekt\u00fara kulcsfontoss\u00e1g\u00fa jellemz\u0151je a neur\u00e1lis h\u00e1l\u00f3zatban l\u00e9v\u0151 \u00f6sszes jel folyamatos folyamatk\u00e9nt val\u00f3 \u00e9rtelmez\u00e9s\u00e9re val\u00f3 \u00e1tt\u00e9r\u00e9s, amely lehet\u0151v\u00e9 tette a r\u00e9szletek kialak\u00edt\u00e1s\u00e1n\u00e1l az abszol\u00fat koordin\u00e1t\u00e1khoz nem k\u00f6t\u00f6tt, hanem a megjelen\u00edtett objektumok fel\u00fclet\u00e9hez r\u00f6gz\u00edtett relat\u00edv poz\u00edci\u00f3k manipul\u00e1l\u00e1s\u00e1t. A StyleGAN \u00e9s a StyleGAN2 eset\u00e9ben a pixelekhez val\u00f3 r\u00f6gz\u00edt\u00e9s gener\u00e1l\u00e1s k\u00f6zben probl\u00e9m\u00e1kat okozott a dinamikus vizualiz\u00e1ci\u00f3 sor\u00e1n, p\u00e9ld\u00e1ul a k\u00e9pek mozg\u00e1sa k\u00f6zben a kism\u00e9ret\u0171 r\u00e9szletek, mint a r\u00e1ncok \u00e9s hajsz\u00e1lak, \u00fagy t\u0171nt, hogy k\u00fcl\u00f6n mozognak az arc t\u00f6bbi r\u00e9sz\u00e9t\u0151l. A StyleGAN3 ezekre a probl\u00e9m\u00e1kra megold\u00e1st k\u00edn\u00e1l, \u00e9s a technol\u00f3gia teljesen alkalmas lett vide\u00f3k l\u00e9trehoz\u00e1s\u00e1ra.