{"id":101605,"date":"2021-10-12T16:22:58","date_gmt":"2021-10-12T14:23:00","guid":{"rendered":"https:\/\/prohoster.info\/blog\/novosti-interneta\/nvidia-otkryla-kod-stylegan3-sistemy-mashinnogo-obucheniya-dlya-sinteza-licz"},"modified":"2021-10-12T16:22:58","modified_gmt":"2021-10-12T14:23:00","slug":"nvidia-otkryla-kod-stylegan3-sistemy-mashinnogo-obucheniya-dlya-sinteza-licz","status":"publish","type":"post","link":"https:\/\/prohoster.info\/ro\/blog\/news\/nvidia-otkryla-kod-stylegan3-sistemy-mashinnogo-obucheniya-dlya-sinteza-licz","title":{"rendered":"NVIDIA a deschis codul StyleGAN3, sistem de \u00eenv\u0103\u021bare automat\u0103 pentru sintaxa fe\u021belor.","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

Compania NVIDIA a publicat codul surs\u0103 al StyleGAN3, un sistem de \u00eenv\u0103\u021bare automat\u0103 bazat pe re\u021bele neuronale generative antagoniste (GAN), destinat sintetiz\u0103rii de imagini realiste ale fe\u021belor umane. Codul este scris \u00een Python folosind framework-ul PyTorch \u0219i este distribuit sub licen\u021ba NVIDIA Source Code License, care impune restric\u021bii asupra utiliz\u0103rii \u00een scopuri comerciale. <\/p>\n

Modelele antrenate gata pentru desc\u0103rcare sunt disponibile, fiind instruite pe colec\u021bia Flickr-Faces-HQ (FFHQ), care include 70 de mii de imagini PNG de \u00eenalt\u0103 calitate (1024×1024) cu fe\u021bele oamenilor. \u00cen plus, exist\u0103 modele bazate pe colec\u021biile AFHQv2 (fotografii cu fe\u021bele animalelor) \u0219i Metfaces (imagini cu fe\u021bele oamenilor din portretele picturii clasice). Dezvoltarea se concentreaz\u0103 pe fe\u021be, dar sistemul poate fi antrenat pentru a genera orice obiecte, cum ar fi peisaje \u0219i automobile. De asemenea, sunt furnizate instrumente pentru auto-antrenarea re\u021belei neuronale pe colec\u021bii proprii de imagini. Pentru func\u021bionare, este necesar\u0103 o sau mai multe pl\u0103ci grafice NVIDIA (se recomand\u0103 GPU Tesla V100 sau A100), cu minimum 12 GB RAM, PyTorch 1.9 \u0219i toolkit CUDA 11.1+. Un detector specializat este dezvoltat pentru a determina natura artificial\u0103 a fe\u021belor ob\u021binute. <\/p>\n

Sistemul permite sintetizarea unei imagini a unei fe\u021be noi pe baza interpol\u0103rii caracteristicilor mai multor fe\u021be, combin\u00e2nd tr\u0103s\u0103turile acestora, precum \u0219i adapt\u00e2nd imaginea final\u0103 la v\u00e2rsta, sexul, lungimea p\u0103rului, caracterul z\u00e2mbetului, forma nasului, culoarea pielii, ochelari, unghiul fotografiei dorit. Generatorul consider\u0103 imaginea ca o colec\u021bie de stiluri, separ\u00e2nd automat detaliile caracteristice (pistrui, p\u0103r, ochelari) de atributele generale \u0219i de \u00eenalt nivel (pozi\u021bie, sex, schimb\u0103ri legate de v\u00e2rst\u0103) \u0219i permite combinarea acestora \u00een mod liber prin stabilirea propriet\u0103\u021bilor dominante prin coeficien\u021bi de greutate. Drept rezultat, se genereaz\u0103 imagini care nu se deosebesc vizual de fotografiile reale.

\"NVIDIA<\/center> <\/p>\n

Prima variant\u0103 a tehnologiei StyleGAN a fost publicat\u0103 \u00een 2019, iar \u00een 2020 a fost propus\u0103 o versiune \u00eembun\u0103t\u0103\u021bit\u0103, StyleGAN2, care permite ob\u021binerea unei calit\u0103\u021bi mai bune a imaginilor \u0219i eliminarea unor artefacte. Totu\u0219i, sistemul r\u0103m\u00e2nea static, adic\u0103 nu permitea ob\u021binerea unei anima\u021bii realiste \u0219i a mi\u0219c\u0103rii fe\u021bei. \u00cen dezvoltarea StyleGAN3, obiectivul principal a fost adaptarea tehnologiei pentru utilizarea ei \u00een anima\u021bie \u0219i video. <\/p>\n

\u00cen StyleGAN3 a fost utilizat\u0103 o arhitectur\u0103 reproiectat\u0103 pentru generarea imaginilor, f\u0103r\u0103 aliasing, \u0219i au fost propuse noi scenarii pentru antrenarea re\u021belei neuronale. Au fost incluse noi utilitare pentru vizualizare interactiv\u0103 (visualizer.py), analiz\u0103 (avg_spectra.py) \u0219i generare video (gen_video.py). De asemenea, \u00een implementare s-a redus consumul de memorie \u0219i s-a accelerat procesul de \u00eenv\u0103\u021bare.

\"NVIDIA<\/center> <\/p>\n

O caracteristic\u0103 cheie a arhitecturii StyleGAN3 este trecerea la interpretarea tuturor semnalelor din re\u021beaua neuronal\u0103 sub form\u0103 de procese continue, ceea ce a permis manipularea detaliilor prin pozi\u021bii relative, nesubordonate coordonatelor absolute ale pixelilor individuali din imagine, ci ancorate la suprafa\u021ba obiectelor reprezentate. \u00cen StyleGAN \u0219i StyleGAN2, ancorarea la pixeli \u00een timpul gener\u0103rii a dus la probleme \u00een vizualizarea dinamic\u0103, de exemplu, mi\u0219carea imaginii a avut ca rezultat o nealiniere a detaliilor fine, cum ar fi ridurile \u0219i firele de p\u0103r, care p\u0103reau a se mi\u0219ca separat de restul fe\u021bei. \u00cen StyleGAN3, aceste probleme au fost rezolvate \u0219i tehnologia a devenit potrivit\u0103 pentru generarea video.