ఇంట్లో పెంపుడు జంతువును ఉంచే ప్రతి ఒక్కరూ వాటిని ఇష్టపడతారు. అయితే, మీ ప్రియమైన కుక్క వేరే జాతి అయితే మరింత అందంగా కనిపిస్తుందా? NVIDIA నుండి GANimals అనే కొత్త సాధనానికి ధన్యవాదాలు, మీకు ఇష్టమైన పెంపుడు జంతువు వేరే జంతువు అయితే మరింత అందంగా కనిపిస్తుందో లేదో మీరు అంచనా వేయవచ్చు.
ఈ సంవత్సరం ప్రారంభంలో, NVIDIA పరిశోధన అతని GauGAN టూల్‌తో ఇంటర్నెట్ వినియోగదారులు, కఠినమైన స్కెచ్‌లను దాదాపు ఫోటోరియలిస్టిక్ చిత్రాలుగా మార్చడానికి అతన్ని అనుమతించారు. ఈ సాధనం వినియోగదారులు తగిన బ్రష్ రంగును ఎంచుకోవడం ద్వారా చిత్రం యొక్క ఏ భాగాలు నీరు, చెట్లు, పర్వతాలు మరియు ఇతర ల్యాండ్‌మార్క్‌లుగా ఉండాలో పేర్కొనవలసి ఉంటుంది, అయితే GANimals పూర్తిగా స్వయంచాలకంగా పని చేస్తుంది. మీరు చేయాల్సిందల్లా మీ పెంపుడు జంతువు యొక్క ఫోటోను అప్‌లోడ్ చేయడం, మరియు ఇది నమూనా యొక్క "ముఖ కవళికలను" నిలుపుకునే ఇతర జంతువుల ఫోటోరియలిస్టిక్ చిత్రాల శ్రేణిని సృష్టిస్తుంది.
ఈ వారం, కొరియాలోని సియోల్‌లో జరిగిన ఇంటర్నేషనల్ కాన్ఫరెన్స్ ఆన్ కంప్యూటర్ విజన్‌లో సమర్పించిన ఒక పేపర్‌లో, పరిశోధకులు వారు అభివృద్ధి చేసిన అల్గోరిథం గురించి వివరించారు - . ఇది కొన్ని-షాట్, పర్యవేక్షించబడని ఇమేజ్-టు-ఇమేజ్ అనువాదం. మూల చిత్రం యొక్క లక్షణాలను లక్ష్య చిత్రంగా మార్చడానికి కృత్రిమ మేధస్సును ఉపయోగిస్తున్నప్పుడు, వాస్తవికంగా కనిపించే ఫలితాలను ఉత్పత్తి చేయడానికి కృత్రిమ మేధస్సు సాధారణంగా విభిన్న కాంతి స్థాయిలు మరియు కెమెరా కోణాలతో లక్ష్య చిత్రాల యొక్క పెద్ద సేకరణపై శిక్షణ పొందాలి. కానీ ఇంత పెద్ద ఇమేజ్ డేటాబేస్ సృష్టించడం చాలా సమయం పడుతుంది మరియు న్యూరల్ నెట్‌వర్క్ సామర్థ్యాలను పరిమితం చేస్తుంది. కోళ్లను టర్కీలుగా మార్చడానికి AIకి శిక్షణ ఇస్తే, అది బాగా పని చేస్తుంది.
పోల్చి చూస్తే, FUNIT అల్గోరిథం పదేపదే సాధన చేయబడిన లక్ష్య జంతువు యొక్క కొన్ని చిత్రాలను ఉపయోగించి శిక్షణ పొందవచ్చు. అల్గోరిథం తగినంతగా శిక్షణ పొందిన తర్వాత, దీనికి మూలం మరియు లక్ష్య జంతువులకు సంబంధించిన ఒక చిత్రం మాత్రమే అవసరం, ఇది పూర్తిగా యాదృచ్ఛికంగా ఉంటుంది మరియు ఇంతకు ముందు ఎన్నడూ ప్రాసెస్ చేయబడదు లేదా విశ్లేషించబడలేదు.
ఆసక్తి ఉన్నవారు GANanimals వద్ద ప్రయత్నించవచ్చు , కానీ ఇప్పటివరకు ఫలితాలు తక్కువ రిజల్యూషన్‌గా ఉన్నాయి మరియు విద్యా ప్రయోజనాలకు లేదా ఉత్సుకతను సంతృప్తి పరచడానికి తప్ప మరేదైనా సరిపోవు. AI మరియు అల్గోరిథం యొక్క సామర్థ్యాలను చివరికి మెరుగుపరచాలని పరిశోధకులు భావిస్తున్నారు, తద్వారా జాగ్రత్తగా క్యూరేటెడ్ చిత్రాల భారీ డేటాబేస్‌లపై ఆధారపడకుండా ప్రజల ముఖాలను మార్చడం త్వరలో సాధ్యమవుతుంది.
మూలం: 3dnews.ru