Kiekvienas, kuris namuose laiko augintinį, juos myli. Tačiau ar jūsų mylimas šuo atrodytų dar mielesnis, jei būtų kitos veislės? Naudodami naują NVIDIA įrankį GANimals galite įvertinti, ar jūsų mėgstamiausias augintinis atrodytų dar mielesnis, jei tai būtų kitas gyvūnas.
Šių metų pradžioje NVIDIA Research Internautai su savo GauGAN įrankiu, leidžiančiu grubius eskizus paversti beveik fotorealistiniais vaizdais. Šis įrankis reikalavo, kad vartotojai nurodytų, kurios vaizdo dalys turi būti vanduo, medžiai, kalnai ir kiti orientyrai, pasirinkdami tinkamą šepetėlio spalvą, tačiau GANimals veikia visiškai automatiškai. Tereikia įkelti savo augintinio nuotrauką ir ji sukurs fotorealistiškų kitų gyvūnų vaizdų seriją, išlaikančią egzemplioriaus „veido išraišką“.
Šią savaitę Seule (Korėja) vykusioje tarptautinėje kompiuterinės vizijos konferencijoje pristatytame straipsnyje mokslininkai aprašė savo sukurtą algoritmą. . Tai reiškia Few-shot, UN supervised Image-to-image vertimą. Kai naudojamas dirbtinis intelektas šaltinio vaizdo ypatybes paversti tiksliniu vaizdu, dirbtinis intelektas paprastai turi būti apmokytas naudoti didelę tikslinių vaizdų kolekciją su skirtingais apšvietimo lygiais ir kameros kampais, kad būtų gauti tikroviški rezultatai. Tačiau tokios didelės vaizdų duomenų bazės sukūrimas užtrunka ilgai ir riboja neuroninio tinklo galimybes. Jei dirbtinis intelektas yra išmokytas paversti viščiukus kalakutais, tai vienintelis dalykas, kuris jam pasiseks.
Palyginimui, FUNIT algoritmą galima išmokyti naudojant tik kelis tikslinio gyvūno vaizdus, kuriuo jis kartojamas. Kai algoritmas yra pakankamai išmokytas, jam tereikia vieno šaltinio ir tikslinio gyvūnų vaizdo, kuris gali būti visiškai atsitiktinis ir niekada anksčiau nebuvo apdorotas ar analizuojamas.
Norintieji gali išbandyti GANanimals adresu , tačiau kol kas rezultatai yra mažos skiriamosios gebos ir netinka niekam, išskyrus edukacinius tikslus ar smalsumui patenkinti. Tyrėjai tikisi ilgainiui patobulinti AI ir algoritmo galimybes, kad netrukus būtų galima pakeisti žmonių veidus nepasikliaujant didžiulėmis kruopščiai kuruotų vaizdų duomenų bazėmis.
Šaltinis: 3dnews.ru