ਹਾਈਪਰਸਟਾਈਲ - ਚਿੱਤਰ ਸੰਪਾਦਨ ਲਈ ਸਟਾਈਲਗਨ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਸਿਸਟਮ ਦਾ ਅਨੁਕੂਲਨ

ਤੇਲ ਅਵੀਵ ਯੂਨੀਵਰਸਿਟੀ ਦੇ ਖੋਜਕਰਤਾਵਾਂ ਦੀ ਇੱਕ ਟੀਮ ਨੇ ਹਾਈਪਰਸਟਾਈਲ ਪੇਸ਼ ਕੀਤਾ, ਜੋ ਕਿ NVIDIA ਦੇ StyleGAN2 ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਪ੍ਰਣਾਲੀ ਦਾ ਇੱਕ ਉਲਟ ਸੰਸਕਰਣ ਹੈ ਜੋ ਅਸਲ ਚਿੱਤਰਾਂ ਨੂੰ ਸੰਪਾਦਿਤ ਕਰਨ ਵੇਲੇ ਗੁੰਮ ਹੋਏ ਹਿੱਸਿਆਂ ਨੂੰ ਦੁਬਾਰਾ ਬਣਾਉਣ ਲਈ ਦੁਬਾਰਾ ਡਿਜ਼ਾਈਨ ਕੀਤਾ ਗਿਆ ਹੈ। ਕੋਡ PyTorch ਫਰੇਮਵਰਕ ਦੀ ਵਰਤੋਂ ਕਰਕੇ Python ਵਿੱਚ ਲਿਖਿਆ ਗਿਆ ਹੈ ਅਤੇ MIT ਲਾਇਸੰਸ ਦੇ ਅਧੀਨ ਵੰਡਿਆ ਗਿਆ ਹੈ।

ਜੇਕਰ ਸਟਾਈਲਗਨ ਤੁਹਾਨੂੰ ਉਮਰ, ਲਿੰਗ, ਵਾਲਾਂ ਦੀ ਲੰਬਾਈ, ਮੁਸਕਰਾਹਟ ਦੇ ਚਰਿੱਤਰ, ਨੱਕ ਦੀ ਸ਼ਕਲ, ਚਮੜੀ ਦਾ ਰੰਗ, ਐਨਕਾਂ ਅਤੇ ਫੋਟੋਆਂ ਦੇ ਕੋਣ ਵਰਗੇ ਮਾਪਦੰਡਾਂ ਨੂੰ ਨਿਸ਼ਚਿਤ ਕਰਕੇ ਲੋਕਾਂ ਦੇ ਯਥਾਰਥਵਾਦੀ ਦਿੱਖ ਵਾਲੇ ਨਵੇਂ ਚਿਹਰਿਆਂ ਦਾ ਸੰਸਲੇਸ਼ਣ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ, ਤਾਂ ਹਾਈਪਰਸਟਾਈਲ ਮੌਜੂਦਾ ਵਿੱਚ ਸਮਾਨ ਮਾਪਦੰਡਾਂ ਨੂੰ ਬਦਲਣਾ ਸੰਭਵ ਬਣਾਉਂਦਾ ਹੈ। ਅਸਲੀ ਚਿਹਰੇ ਦੀ ਪਛਾਣ ਨੂੰ ਕਾਇਮ ਰੱਖਦੇ ਹੋਏ ਉਹਨਾਂ ਦੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਨੂੰ ਬਦਲੇ ਬਿਨਾਂ ਤਸਵੀਰਾਂ। ਉਦਾਹਰਨ ਲਈ, ਹਾਈਪਰਸਟਾਈਲ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ, ਤੁਸੀਂ ਇੱਕ ਫੋਟੋ ਵਿੱਚ ਇੱਕ ਵਿਅਕਤੀ ਦੀ ਉਮਰ ਵਿੱਚ ਤਬਦੀਲੀ ਦੀ ਨਕਲ ਕਰ ਸਕਦੇ ਹੋ, ਵਾਲਾਂ ਦਾ ਸਟਾਈਲ ਬਦਲ ਸਕਦੇ ਹੋ, ਐਨਕਾਂ ਜੋੜ ਸਕਦੇ ਹੋ, ਦਾੜ੍ਹੀ ਜਾਂ ਮੁੱਛਾਂ ਪਾ ਸਕਦੇ ਹੋ, ਚਿੱਤਰ ਨੂੰ ਇੱਕ ਕਾਰਟੂਨ ਪਾਤਰ ਜਾਂ ਹੱਥ ਨਾਲ ਖਿੱਚੀ ਗਈ ਪੇਂਟਿੰਗ ਦੀ ਦਿੱਖ ਦੇ ਸਕਦੇ ਹੋ, ਬਣਾ ਸਕਦੇ ਹੋ। ਇੱਕ ਉਦਾਸ ਜਾਂ ਪ੍ਰਸੰਨ ਚਿਹਰੇ ਦਾ ਪ੍ਰਗਟਾਵਾ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਸਿਸਟਮ ਨੂੰ ਨਾ ਸਿਰਫ਼ ਲੋਕਾਂ ਦੇ ਚਿਹਰੇ ਬਦਲਣ ਲਈ, ਸਗੋਂ ਕਿਸੇ ਵੀ ਵਸਤੂ ਲਈ, ਉਦਾਹਰਨ ਲਈ, ਕਾਰਾਂ ਦੀਆਂ ਤਸਵੀਰਾਂ ਨੂੰ ਸੰਪਾਦਿਤ ਕਰਨ ਲਈ ਸਿਖਲਾਈ ਦਿੱਤੀ ਜਾ ਸਕਦੀ ਹੈ।

ਪ੍ਰਸਤਾਵਿਤ ਵਿਧੀ ਦਾ ਉਦੇਸ਼ ਸੰਪਾਦਨ ਦੇ ਦੌਰਾਨ ਇੱਕ ਚਿੱਤਰ ਦੇ ਗੁੰਮ ਹੋਏ ਹਿੱਸਿਆਂ ਨੂੰ ਮੁੜ ਬਣਾਉਣ ਦੀ ਸਮੱਸਿਆ ਨੂੰ ਹੱਲ ਕਰਨਾ ਹੈ। ਪਹਿਲਾਂ ਪ੍ਰਸਤਾਵਿਤ ਤਰੀਕਿਆਂ ਵਿੱਚ, ਮੁੜ-ਨਿਰਮਾਣ ਅਤੇ ਸੰਪਾਦਨਯੋਗਤਾ ਦੇ ਵਿਚਕਾਰ ਵਪਾਰ ਬੰਦ ਨੂੰ ਚਿੱਤਰ ਜਨਰੇਟਰ ਨੂੰ ਨਿਸ਼ਾਨਾ ਚਿੱਤਰ ਦੇ ਭਾਗਾਂ ਨੂੰ ਬਦਲਣ ਲਈ ਵਧੀਆ-ਟਿਊਨਿੰਗ ਦੁਆਰਾ ਹੱਲ ਕੀਤਾ ਗਿਆ ਸੀ ਜਦੋਂ ਸ਼ੁਰੂ ਵਿੱਚ ਗਾਇਬ ਸੰਪਾਦਨਯੋਗ ਖੇਤਰਾਂ ਨੂੰ ਮੁੜ ਬਣਾਇਆ ਗਿਆ ਸੀ। ਅਜਿਹੇ ਪਹੁੰਚਾਂ ਦਾ ਨੁਕਸਾਨ ਹਰ ਇੱਕ ਚਿੱਤਰ ਲਈ ਨਿਊਰਲ ਨੈਟਵਰਕ ਦੀ ਲੰਬੇ ਸਮੇਂ ਦੀ ਨਿਸ਼ਾਨਾ ਸਿਖਲਾਈ ਦੀ ਲੋੜ ਹੈ.

ਸਟਾਈਲਗਨ ਐਲਗੋਰਿਦਮ 'ਤੇ ਅਧਾਰਤ ਵਿਧੀ, ਚਿੱਤਰਾਂ ਦੇ ਆਮ ਸੰਗ੍ਰਹਿ 'ਤੇ ਪਹਿਲਾਂ ਤੋਂ ਸਿਖਲਾਈ ਪ੍ਰਾਪਤ ਇੱਕ ਮਿਆਰੀ ਮਾਡਲ ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਸੰਭਵ ਬਣਾਉਂਦੀ ਹੈ, ਐਲਗੋਰਿਦਮ ਦੇ ਮੁਕਾਬਲੇ ਭਰੋਸੇਯੋਗਤਾ ਦੇ ਪੱਧਰ ਦੇ ਨਾਲ ਅਸਲ ਚਿੱਤਰ ਦੇ ਗੁਣਾਂ ਨੂੰ ਤਿਆਰ ਕਰਨ ਲਈ, ਜਿਸ ਲਈ ਹਰੇਕ ਲਈ ਮਾਡਲ ਦੀ ਵਿਅਕਤੀਗਤ ਸਿਖਲਾਈ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਚਿੱਤਰ। ਨਵੀਂ ਵਿਧੀ ਦਾ ਇੱਕ ਹੋਰ ਫਾਇਦਾ ਅਸਲ ਸਮੇਂ ਦੇ ਨੇੜੇ ਪ੍ਰਦਰਸ਼ਨ ਦੇ ਨਾਲ ਚਿੱਤਰਾਂ ਨੂੰ ਸੋਧਣ ਦੀ ਸਮਰੱਥਾ ਹੈ।

Flickr-Faces-HQ (FFHQ, ਲੋਕਾਂ ਦੇ ਚਿਹਰਿਆਂ ਦੀਆਂ 70 ਹਜ਼ਾਰ ਉੱਚ-ਗੁਣਵੱਤਾ ਵਾਲੀਆਂ PNG ਤਸਵੀਰਾਂ), ਸਟੈਨਫੋਰਡ ਕਾਰਾਂ (ਕਾਰਾਂ ਦੀਆਂ 16 ਹਜ਼ਾਰ ਤਸਵੀਰਾਂ) ਅਤੇ ਸੰਗ੍ਰਹਿ ਦੇ ਆਧਾਰ 'ਤੇ ਲੋਕਾਂ, ਕਾਰਾਂ ਅਤੇ ਜਾਨਵਰਾਂ ਦੇ ਚਿਹਰਿਆਂ ਲਈ ਤਿਆਰ ਕੀਤੇ ਸਿਖਲਾਈ ਪ੍ਰਾਪਤ ਮਾਡਲ ਤਿਆਰ ਕੀਤੇ ਗਏ ਹਨ। AFHQ (ਜਾਨਵਰਾਂ ਦੀਆਂ ਫੋਟੋਆਂ)। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਤੁਹਾਡੇ ਮਾਡਲਾਂ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਲਈ ਟੂਲ ਪ੍ਰਦਾਨ ਕੀਤੇ ਜਾਂਦੇ ਹਨ, ਨਾਲ ਹੀ ਮਿਆਰੀ ਏਨਕੋਡਰਾਂ ਅਤੇ ਜਨਰੇਟਰਾਂ ਦੇ ਤਿਆਰ-ਕੀਤੇ ਸਿਖਲਾਈ ਪ੍ਰਾਪਤ ਮਾਡਲ ਉਹਨਾਂ ਨਾਲ ਵਰਤਣ ਲਈ ਢੁਕਵੇਂ ਹਨ। ਉਦਾਹਰਨ ਲਈ, ਜਨਰੇਟਰ Toonify-ਸ਼ੈਲੀ ਦੀਆਂ ਤਸਵੀਰਾਂ, ਪਿਕਸਰ ਅੱਖਰ, ਸਕੈਚ ਬਣਾਉਣ, ਅਤੇ ਡਿਜ਼ਨੀ ਕਾਰਟੂਨਾਂ ਤੋਂ ਰਾਜਕੁਮਾਰੀਆਂ ਨੂੰ ਸਟਾਈਲ ਕਰਨ ਲਈ ਉਪਲਬਧ ਹਨ।

ਸਰੋਤ: opennet.ru