Alle som holder et kjæledyr hjemme elsker dem. Men ville din elskede hund sett enda søtere ut hvis den var en annen rase? Takket være et nytt verktøy fra NVIDIA kalt GANimals, kan du vurdere om favorittkjæledyret ditt ville sett enda søtere ut hvis det var et annet dyr.
Tidligere i år, NVIDIA Research Internett-brukere med GauGAN-verktøyet hans, som tillot ham å gjøre grove skisser til nesten fotorealistiske bilder. Dette verktøyet krevde at brukerne spesifiserte hvilke deler av bildet som skulle være vann, trær, fjell og andre landemerker ved å velge riktig penselfarge, men GANimals fungerer helt automatisk. Alt du trenger å gjøre er å laste opp et bilde av kjæledyret ditt, og det vil lage en serie fotorealistiske bilder av andre dyr som beholder "ansiktsuttrykket" til prøven.
Denne uken, i en artikkel presentert på den internasjonale konferansen om datasyn i Seoul, Korea, beskrev forskerne algoritmen de utviklet - . Det står for Few-shot, UNsupervised Image-to-image Translation. Når du bruker kunstig intelligens for å transformere egenskapene til et kildebilde til et målbilde, må den kunstige intelligensen vanligvis trenes på en stor samling målbilder med forskjellige lysnivåer og kameravinkler for å gi resultater som ser realistiske ut. Men å lage en så stor bildedatabase tar lang tid og begrenser mulighetene til det nevrale nettverket. Hvis en AI er opplært til å gjøre kyllinger om til kalkuner, er det det eneste den vil gjøre bra.
Til sammenligning kan FUNIT-algoritmen trenes ved å bruke bare noen få bilder av måldyret som den øves på gjentatte ganger. Når algoritmen er tilstrekkelig opplært, trenger den bare ett bilde av kilde- og måldyrene, som kan være helt tilfeldige og aldri har blitt behandlet eller analysert før.
Interesserte kan prøve GANanimals på , men foreløpig er resultatene lavoppløselige og ikke egnet til annet enn pedagogiske formål eller for å tilfredsstille nysgjerrighet. Forskerne håper på sikt å forbedre AI og algoritmens evner slik at det snart vil være mulig å endre folks ansikter uten å stole på enorme databaser med nøye kurerte bilder.
Kilde: 3dnews.ru