E Team vu Fuerscher vun der Tel Aviv Universitéit huet HyperStyle presentéiert, eng ëmgedréint Versioun vum NVIDIA's StyleGAN2 Maschinnléieresystem deen nei designt ass fir déi fehlend Deeler z'erstellen wann Dir richteg Biller ännert. De Code gëtt am Python mam PyTorch Kader geschriwwe a gëtt ënner der MIT Lizenz verdeelt.
Wann StyleGAN Iech erlaabt realistesch ausgesinn nei Gesiichter vu Leit ze synthetiséieren andeems Parameteren spezifizéieren wéi Alter, Geschlecht, Hoerlängt, Laachen Charakter, Nuesform, Hautfaarf, Brëller a Fotowinkel, dann mécht HyperStyle et méiglech ähnlech Parameteren an existéierenden z'änneren Fotoen ouni hir charakteristesch Fonctiounen z'änneren an d'Unerkennung vum ursprénglechen Gesiicht behalen. Zum Beispill, mat HyperStyle, kënnt Dir eng Verännerung vum Alter vun enger Persoun an enger Foto simuléieren, d'Frisur änneren, Brëller, e Baart oder Moustache addéieren, dem Bild d'Erscheinung vun engem Cartoon Charakter oder eng handgezeechent Molerei ginn, maachen eng traureg oder lëschteg Gesiichtsausdrock. Ausserdeem kann de System trainéiert ginn net nëmmen fir d'Gesiichter vun de Leit z'änneren, awer och fir all Objeten, zum Beispill, Biller vun Autoen z'änneren.
Déi proposéiert Method zielt fir de Problem ze léisen fir fehlend Deeler vun engem Bild während der Redaktioun ze rekonstruéieren. A virdru proposéierte Methoden gouf den Austausch tëscht Rekonstruktioun an Editéierbarkeet geléist andeems de Bildgenerator feinstëmmt fir Deeler vum Zilbild z'ersetzen wann ursprénglech vermësst editable Regiounen erstallt ginn. Den Nodeel vun esou Approche ass de Besoin fir laangfristeg geziilte Training vum neurale Netzwierk fir all Bild.
D'Method baséiert op dem StyleGAN Algorithmus mécht et méiglech e Standardmodell ze benotzen, pre-trainéiert op gemeinsame Sammlunge vu Biller, fir Elementer ze generéieren déi charakteristesch vum Originalbild mat engem Zouverlässegkeetsniveau vergläichbar mat Algorithmen déi individuell Ausbildung vum Modell fir all erfuerderen. Bild. En anere Virdeel vun der neier Method ass d'Fäegkeet Biller mat Leeschtung no Echtzäit z'änneren.
Fäerdeg ausgebilte Modeller si virbereet fir d'Gesiichter vu Leit, Autoen an Déieren op Basis vun de Sammlungen Flickr-Faces-HQ (FFHQ, 70 Tausend héichqualitativ PNG Biller vu Gesiichter vu Leit), Stanford Cars (16 Tausend Biller vun Autoen) an AFHQ (Fotoen vun Déieren). Zousätzlech ginn Tools fir Är Modeller ze trainéieren, souwéi fäerdeg ausgebilte Modeller vu Standardencoder a Generatoren, déi gëeegent sinn fir mat hinnen ze benotzen. Zum Beispill sinn Generatoren verfügbar fir Toonify-Stil Biller ze kreéieren, Pixar Charaktere, Skizzen ze generéieren, a souguer Prinzessinne aus Disney Cartoons ze styliséieren.
Source: opennet.ru