ਨਿਊਰਲ ਨੈੱਟਵਰਕ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਐਨੀਮੇਸ਼ਨ ਸਿੰਥੇਸਿਸ ਲਈ ਕੋਡ ਖੋਲ੍ਹੋ

ਸ਼ੰਘਾਈ ਟੈਕਨੀਕਲ ਯੂਨੀਵਰਸਿਟੀ ਤੋਂ ਖੋਜਕਰਤਾਵਾਂ ਦਾ ਇੱਕ ਸਮੂਹ ਪ੍ਰਕਾਸ਼ਤ ਸੰਦ ਛਾਪਣ ਵਾਲਾ, ਜੋ ਸਥਿਰ ਚਿੱਤਰਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਲੋਕਾਂ ਦੀਆਂ ਹਰਕਤਾਂ ਦੀ ਨਕਲ ਕਰਨ ਲਈ ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਦੇ ਤਰੀਕਿਆਂ ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੇ ਨਾਲ-ਨਾਲ ਕੱਪੜੇ ਬਦਲਣ, ਉਹਨਾਂ ਨੂੰ ਕਿਸੇ ਹੋਰ ਵਾਤਾਵਰਣ ਵਿੱਚ ਟ੍ਰਾਂਸਫਰ ਕਰਨ ਅਤੇ ਉਸ ਕੋਣ ਨੂੰ ਬਦਲਣ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ ਜਿੱਥੋਂ ਕੋਈ ਵਸਤੂ ਦਿਖਾਈ ਦਿੰਦੀ ਹੈ। ਕੋਡ ਪਾਈਥਨ ਵਿੱਚ ਲਿਖਿਆ ਗਿਆ ਹੈ
ਇੱਕ ਫਰੇਮਵਰਕ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਪਾਈਟੋਰਚ. ਅਸੈਂਬਲੀ ਦੀ ਵੀ ਲੋੜ ਹੈ ਟਾਰਚਵਿਜ਼ਨ ਅਤੇ CUDA ਟੂਲਕਿੱਟ।

ਟੂਲਕਿੱਟ ਇੰਪੁੱਟ ਦੇ ਰੂਪ ਵਿੱਚ ਇੱਕ ਦੋ-ਅਯਾਮੀ ਚਿੱਤਰ ਪ੍ਰਾਪਤ ਕਰਦੀ ਹੈ ਅਤੇ ਚੁਣੇ ਗਏ ਮਾਡਲ ਦੇ ਆਧਾਰ 'ਤੇ ਇੱਕ ਸੋਧੇ ਹੋਏ ਨਤੀਜੇ ਨੂੰ ਸੰਸਲੇਸ਼ਣ ਕਰਦੀ ਹੈ। ਤਿੰਨ ਪਰਿਵਰਤਨ ਵਿਕਲਪ ਸਮਰਥਿਤ ਹਨ:
ਇੱਕ ਚਲਦੀ ਵਸਤੂ ਬਣਾਉਣਾ ਜੋ ਉਹਨਾਂ ਅੰਦੋਲਨਾਂ ਦਾ ਅਨੁਸਰਣ ਕਰਦਾ ਹੈ ਜਿਸ 'ਤੇ ਮਾਡਲ ਨੂੰ ਸਿਖਲਾਈ ਦਿੱਤੀ ਗਈ ਸੀ। ਦਿੱਖ ਦੇ ਤੱਤਾਂ ਨੂੰ ਇੱਕ ਮਾਡਲ ਤੋਂ ਇੱਕ ਵਸਤੂ ਵਿੱਚ ਤਬਦੀਲ ਕਰਨਾ (ਉਦਾਹਰਨ ਲਈ, ਕੱਪੜੇ ਦੀ ਤਬਦੀਲੀ)। ਇੱਕ ਨਵੇਂ ਕੋਣ ਦੀ ਉਤਪੱਤੀ (ਉਦਾਹਰਨ ਲਈ, ਇੱਕ ਪੂਰੇ-ਚਿਹਰੇ ਦੀ ਫੋਟੋ ਦੇ ਅਧਾਰ ਤੇ ਇੱਕ ਪ੍ਰੋਫਾਈਲ ਚਿੱਤਰ ਦਾ ਸੰਸਲੇਸ਼ਣ)। ਸਾਰੇ ਤਿੰਨ ਤਰੀਕਿਆਂ ਨੂੰ ਜੋੜਿਆ ਜਾ ਸਕਦਾ ਹੈ, ਉਦਾਹਰਨ ਲਈ, ਤੁਸੀਂ ਇੱਕ ਫੋਟੋ ਤੋਂ ਇੱਕ ਵੀਡੀਓ ਬਣਾ ਸਕਦੇ ਹੋ ਜੋ ਵੱਖ-ਵੱਖ ਕੱਪੜਿਆਂ ਵਿੱਚ ਇੱਕ ਗੁੰਝਲਦਾਰ ਐਕਰੋਬੈਟਿਕ ਚਾਲ ਦੇ ਪ੍ਰਦਰਸ਼ਨ ਦੀ ਨਕਲ ਕਰਦਾ ਹੈ.

ਸੰਸਲੇਸ਼ਣ ਪ੍ਰਕਿਰਿਆ ਦੇ ਦੌਰਾਨ, ਇੱਕ ਫੋਟੋ ਵਿੱਚ ਇੱਕ ਵਸਤੂ ਨੂੰ ਚੁਣਨ ਅਤੇ ਹਿਲਾਉਣ ਵੇਲੇ ਗੁੰਮ ਬੈਕਗ੍ਰਾਉਂਡ ਤੱਤਾਂ ਨੂੰ ਬਣਾਉਣ ਦੇ ਕੰਮ ਇੱਕੋ ਸਮੇਂ ਕੀਤੇ ਜਾਂਦੇ ਹਨ। ਨਿਊਰਲ ਨੈੱਟਵਰਕ ਮਾਡਲ ਨੂੰ ਇੱਕ ਵਾਰ ਸਿਖਲਾਈ ਦਿੱਤੀ ਜਾ ਸਕਦੀ ਹੈ ਅਤੇ ਵੱਖ-ਵੱਖ ਤਬਦੀਲੀਆਂ ਲਈ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ। ਲੋਡ ਕਰਨ ਲਈ ਉਪਲੱਬਧ ਤਿਆਰ ਮਾਡਲ ਜੋ ਤੁਹਾਨੂੰ ਸ਼ੁਰੂਆਤੀ ਸਿਖਲਾਈ ਤੋਂ ਬਿਨਾਂ ਟੂਲਸ ਦੀ ਤੁਰੰਤ ਵਰਤੋਂ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦੇ ਹਨ। ਕੰਮ ਕਰਨ ਲਈ ਘੱਟੋ-ਘੱਟ 8GB ਦੀ ਮੈਮੋਰੀ ਆਕਾਰ ਵਾਲਾ GPU ਲੋੜੀਂਦਾ ਹੈ।

ਦੋ-ਅਯਾਮੀ ਸਪੇਸ ਵਿੱਚ ਸਰੀਰ ਦੇ ਸਥਾਨ ਦਾ ਵਰਣਨ ਕਰਨ ਵਾਲੇ ਮੁੱਖ ਬਿੰਦੂਆਂ ਦੁਆਰਾ ਪਰਿਵਰਤਨ ਦੇ ਅਧਾਰ 'ਤੇ ਪਰਿਵਰਤਨ ਦੇ ਤਰੀਕਿਆਂ ਦੇ ਉਲਟ, ਪ੍ਰਤੀਰੂਪ ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਵਿਧੀਆਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਸਰੀਰ ਦੇ ਵਰਣਨ ਦੇ ਨਾਲ ਇੱਕ ਤਿੰਨ-ਅਯਾਮੀ ਜਾਲ ਨੂੰ ਸੰਸਲੇਸ਼ਣ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦਾ ਹੈ।
ਪ੍ਰਸਤਾਵਿਤ ਵਿਧੀ ਅੰਗਾਂ ਦੀਆਂ ਕੁਦਰਤੀ ਹਰਕਤਾਂ ਦੀ ਨਕਲ ਕਰਦੇ ਹੋਏ, ਵਿਅਕਤੀਗਤ ਸਰੀਰ ਦੇ ਆਕਾਰ ਅਤੇ ਮੌਜੂਦਾ ਆਸਣ ਨੂੰ ਧਿਆਨ ਵਿੱਚ ਰੱਖਦੇ ਹੋਏ ਹੇਰਾਫੇਰੀ ਦੀ ਆਗਿਆ ਦਿੰਦੀ ਹੈ।

ਪਰਿਵਰਤਨ ਪ੍ਰਕਿਰਿਆ ਦੌਰਾਨ ਮੂਲ ਜਾਣਕਾਰੀ ਜਿਵੇਂ ਕਿ ਟੈਕਸਟ, ਸ਼ੈਲੀ, ਰੰਗ ਅਤੇ ਚਿਹਰੇ ਦੀ ਪਛਾਣ ਨੂੰ ਸੁਰੱਖਿਅਤ ਰੱਖਣ ਲਈ, ਜਨਰੇਟਿਵ ਵਿਰੋਧੀ ਨਿਊਰਲ ਨੈੱਟਵਰਕ (ਤਰਲ ਵਾਰਪਿੰਗ GAN). ਸਰੋਤ ਵਸਤੂ ਬਾਰੇ ਜਾਣਕਾਰੀ ਅਤੇ ਇਸਦੀ ਸਟੀਕ ਪਛਾਣ ਲਈ ਮਾਪਦੰਡ ਅਪਲਾਈ ਕਰਕੇ ਕੱਢੇ ਜਾਂਦੇ ਹਨ convolutional neural ਨੈੱਟਵਰਕ.

ਸਰੋਤ: opennet.ru