Tim peneliti ti Universitas Tel Aviv nampilkeun HyperStyle, pérsi tibalik tina sistem pembelajaran mesin StyleGAN2 NVIDIA anu didesain ulang pikeun nyieun deui bagian anu leungit nalika ngédit gambar nyata. Kodeu ditulis dina Python nganggo kerangka PyTorch sareng disebarkeun dina lisénsi MIT.
Upami StyleGAN ngamungkinkeun anjeun nyintésis wajah anyar anu katingali realistis ku cara nangtukeun parameter sapertos umur, gender, panjang rambut, karakter seuri, bentuk irung, warna kulit, kacamata sareng sudut poto, maka HyperStyle ngamungkinkeun anjeun ngarobih parameter anu sami dina anu aya. poto tanpa ngarobah fitur ciri maranéhanana bari ngajaga pangakuan beungeut aslina. Salaku conto, nganggo HyperStyle, anjeun tiasa nyontoan parobihan dina umur jalma dina poto, ngarobih gaya rambut, nambihan gelas, janggot atanapi kumis, masihan gambar penampilan karakter kartun atanapi lukisan anu digambar tangan, ngadamel ekspresi raray sedih atawa riang. Leuwih ti éta, sistem bisa dilatih teu ukur pikeun ngarobah rupa jalma, tapi ogé pikeun sagala objék, contona, pikeun ngédit gambar mobil.
Metodeu anu diusulkeun ditujukeun pikeun ngarengsekeun masalah ngarekonstruksikeun bagian gambar anu leungit nalika ngédit. Dina métode anu diusulkeun saméméhna, trade-off antara rekonstruksi jeung editability direngsekeun ku fine-tuning generator gambar pikeun ngaganti bagian tina gambar target nalika nyieun deui mimitina leungit wewengkon editable. Karugian tina pendekatan sapertos kitu nyaéta kabutuhan latihan sasaran jangka panjang tina jaringan saraf pikeun tiap gambar.
Métode dumasar kana algoritma StyleGAN ngamungkinkeun ngagunakeun modél standar, anu tos dilatih dina kumpulan gambar umum, pikeun ngahasilkeun elemen karakteristik gambar asli kalayan tingkat réliabilitas anu dibandingkeun sareng algoritma anu meryogikeun palatihan individu pikeun masing-masing. gambar. Kauntungan sejen tina metoda anyar nyaéta kamampuhan pikeun ngarobah gambar kalawan kinerja deukeut real time.
Modél anu dilatih siap-siap disiapkeun pikeun wajah jalma, mobil sareng sato dumasar kana koleksi Flickr-Faces-HQ (FFHQ, 70 rébu gambar PNG kualitas luhur tina rupa jalma), Stanford Cars (16 rébu gambar mobil) sareng AFHQ (poto sato). Salaku tambahan, alat pikeun ngalatih modél anjeun disayogikeun, ogé modél anu dilatih siap-siap tina encoder standar sareng generator anu cocog pikeun dianggo sareng aranjeunna. Contona, generator sadia pikeun nyieun gambar gaya Toonify, karakter Pixar, ngahasilkeun sketsa, komo stylizing putri ti kartun Disney.
sumber: opennet.ru