ഹൈപ്പർസ്റ്റൈൽ - ഇമേജ് എഡിറ്റിംഗിനായി സ്റ്റൈൽഗാൻ മെഷീൻ ലേണിംഗ് സിസ്റ്റത്തിന്റെ അഡാപ്റ്റേഷൻ

ടെൽ അവീവ് സർവകലാശാലയിലെ ഒരു സംഘം ഗവേഷകർ ഹൈപ്പർസ്റ്റൈൽ അവതരിപ്പിച്ചു, ഇത് NVIDIA-യുടെ StyleGAN2 മെഷീൻ ലേണിംഗ് സിസ്റ്റത്തിന്റെ വിപരീത പതിപ്പായ യഥാർത്ഥ ചിത്രങ്ങൾ എഡിറ്റുചെയ്യുമ്പോൾ നഷ്ടപ്പെട്ട ഭാഗങ്ങൾ പുനർനിർമ്മിക്കുന്നതിന് പുനർരൂപകൽപ്പന ചെയ്‌തു. PyTorch ചട്ടക്കൂട് ഉപയോഗിച്ച് പൈത്തണിൽ കോഡ് എഴുതുകയും എംഐടി ലൈസൻസിന് കീഴിൽ വിതരണം ചെയ്യുകയും ചെയ്യുന്നു.

പ്രായം, ലിംഗഭേദം, മുടിയുടെ നീളം, പുഞ്ചിരി സ്വഭാവം, മൂക്കിന്റെ ആകൃതി, ചർമ്മത്തിന്റെ നിറം, കണ്ണട, ഫോട്ടോ ആംഗിൾ എന്നിങ്ങനെയുള്ള പാരാമീറ്ററുകൾ വ്യക്തമാക്കി ആളുകളുടെ റിയലിസ്റ്റിക് രൂപത്തിലുള്ള പുതിയ മുഖങ്ങൾ സമന്വയിപ്പിക്കാൻ StyleGAN നിങ്ങളെ അനുവദിക്കുകയാണെങ്കിൽ, നിലവിലുള്ള സമാന പാരാമീറ്ററുകൾ മാറ്റുന്നത് ഹൈപ്പർസ്റ്റൈൽ സാധ്യമാക്കുന്നു. യഥാർത്ഥ മുഖത്തിന്റെ തിരിച്ചറിയൽ നിലനിർത്തിക്കൊണ്ടുതന്നെ അവയുടെ സ്വഭാവ സവിശേഷതകൾ മാറ്റാതെയുള്ള ഫോട്ടോഗ്രാഫുകൾ. ഉദാഹരണത്തിന്, ഹൈപ്പർസ്റ്റൈൽ ഉപയോഗിച്ച്, നിങ്ങൾക്ക് ഒരു ഫോട്ടോയിലെ ഒരു വ്യക്തിയുടെ പ്രായത്തിലുള്ള മാറ്റം അനുകരിക്കാം, ഹെയർസ്റ്റൈൽ മാറ്റാം, കണ്ണട, താടി അല്ലെങ്കിൽ മീശ എന്നിവ ചേർക്കുക, ചിത്രത്തിന് ഒരു കാർട്ടൂൺ കഥാപാത്രത്തിന്റെ രൂപമോ കൈകൊണ്ട് വരച്ച പെയിന്റിംഗിന്റെയോ രൂപം നൽകാം. സങ്കടകരമായ അല്ലെങ്കിൽ സന്തോഷകരമായ മുഖഭാവം. മാത്രമല്ല, ആളുകളുടെ മുഖം മാറ്റാൻ മാത്രമല്ല, ഏതെങ്കിലും വസ്തുക്കൾക്ക് വേണ്ടിയും, ഉദാഹരണത്തിന്, കാറുകളുടെ ചിത്രങ്ങൾ എഡിറ്റുചെയ്യാൻ സിസ്റ്റം പരിശീലിപ്പിക്കാൻ കഴിയും.

എഡിറ്റിംഗ് സമയത്ത് ഒരു ചിത്രത്തിന്റെ നഷ്‌ടപ്പെട്ട ഭാഗങ്ങൾ പുനർനിർമ്മിക്കുന്നതിലെ പ്രശ്നം പരിഹരിക്കുന്നതിനാണ് നിർദ്ദിഷ്ട രീതി ലക്ഷ്യമിടുന്നത്. മുമ്പ് നിർദ്ദേശിച്ച രീതികളിൽ, പുനർനിർമ്മാണവും എഡിറ്റബിലിറ്റിയും തമ്മിലുള്ള ട്രേഡ്-ഓഫ്, തുടക്കത്തിൽ നഷ്ടപ്പെട്ട എഡിറ്റുചെയ്യാവുന്ന പ്രദേശങ്ങൾ പുനർനിർമ്മിക്കുമ്പോൾ ടാർഗെറ്റ് ഇമേജിന്റെ ഭാഗങ്ങൾ മാറ്റിസ്ഥാപിക്കുന്നതിന് ഇമേജ് ജനറേറ്ററിനെ മികച്ച രീതിയിൽ ട്യൂൺ ചെയ്തുകൊണ്ട് പരിഹരിക്കപ്പെട്ടു. അത്തരം സമീപനങ്ങളുടെ പോരായ്മ ഓരോ ചിത്രത്തിനും നാഡീ ശൃംഖലയുടെ ദീർഘകാല ലക്ഷ്യ പരിശീലനത്തിന്റെ ആവശ്യകതയാണ്.

സ്റ്റൈൽ‌ഗാൻ അൽ‌ഗോരിതം അടിസ്ഥാനമാക്കിയുള്ള രീതി, ചിത്രങ്ങളുടെ പൊതുവായ ശേഖരങ്ങളിൽ മുൻകൂട്ടി പരിശീലിപ്പിച്ച ഒരു സ്റ്റാൻഡേർഡ് മോഡൽ ഉപയോഗിക്കുന്നത് സാധ്യമാക്കുന്നു, ഓരോന്നിനും മോഡലിന്റെ വ്യക്തിഗത പരിശീലനം ആവശ്യമായ അൽ‌ഗോരിതങ്ങളുമായി താരതമ്യപ്പെടുത്താവുന്ന വിശ്വാസ്യതയുടെ നിലവാരമുള്ള യഥാർത്ഥ ചിത്രത്തിന്റെ സവിശേഷതകൾ സൃഷ്ടിക്കാൻ. ചിത്രം. തത്സമയത്തോട് ചേർന്നുള്ള പ്രകടനത്തോടെ ചിത്രങ്ങൾ പരിഷ്കരിക്കാനുള്ള കഴിവാണ് പുതിയ രീതിയുടെ മറ്റൊരു നേട്ടം.

ഫ്ലിക്കർ-ഫേസസ്-എച്ച്ക്യു (എഫ്എഫ്എച്ച്ക്യു, ആളുകളുടെ മുഖത്തിന്റെ 70 ആയിരം ഉയർന്ന നിലവാരമുള്ള പിഎൻജി ചിത്രങ്ങൾ), സ്റ്റാൻഫോർഡ് കാറുകൾ (കാറുകളുടെ 16 ആയിരം ചിത്രങ്ങൾ) എന്നിവയുടെ ശേഖരങ്ങളെ അടിസ്ഥാനമാക്കി ആളുകൾ, കാറുകൾ, മൃഗങ്ങൾ എന്നിവയുടെ മുഖങ്ങൾക്കായി റെഡിമെയ്ഡ് പരിശീലനം ലഭിച്ച മോഡലുകൾ തയ്യാറാക്കിയിട്ടുണ്ട്. AFHQ (മൃഗങ്ങളുടെ ഫോട്ടോകൾ). കൂടാതെ, നിങ്ങളുടെ മോഡലുകളെ പരിശീലിപ്പിക്കുന്നതിനുള്ള ടൂളുകളും അവയ്‌ക്കൊപ്പം ഉപയോഗിക്കുന്നതിന് അനുയോജ്യമായ സ്റ്റാൻഡേർഡ് എൻകോഡറുകളുടെയും ജനറേറ്ററുകളുടെയും റെഡിമെയ്ഡ് പരിശീലനം ലഭിച്ച മോഡലുകളും നൽകിയിട്ടുണ്ട്. ഉദാഹരണത്തിന്, ടൂണിഫൈ-സ്റ്റൈൽ ഇമേജുകൾ, പിക്‌സർ പ്രതീകങ്ങൾ, സ്കെച്ചുകൾ സൃഷ്ടിക്കൽ, ഡിസ്നി കാർട്ടൂണുകളിൽ നിന്ന് രാജകുമാരിമാരെ സ്റ്റൈലൈസ് ചെയ്യൽ എന്നിവയ്ക്ക് ജനറേറ്ററുകൾ ലഭ്യമാണ്.

അവലംബം: opennet.ru