Lahat ng nag-iingat ng alagang hayop sa bahay ay nagmamahal sa kanila. Gayunpaman, magiging mas cute ba ang iyong minamahal na aso kung ito ay ibang lahi? Salamat sa isang bagong tool mula sa NVIDIA na tinatawag na GANimals, maaari mong suriin kung ang iyong paboritong alagang hayop ay magiging mas cute pa kung ito ay ibang hayop.
Mas maaga sa taong ito, NVIDIA Research Mga user ng Internet gamit ang kanyang GauGAN tool, na nagbigay-daan sa kanya na gawing halos photorealistic na mga larawan ang mga magaspang na sketch. Ang tool na ito ay nangangailangan ng mga user na tukuyin kung aling mga bahagi ng larawan ang dapat na tubig, mga puno, mga bundok at iba pang mga palatandaan sa pamamagitan ng pagpili ng naaangkop na kulay ng brush, ngunit ang GANimals ay awtomatikong gumagana. Ang kailangan mo lang gawin ay mag-upload ng larawan ng iyong alagang hayop, at lilikha ito ng serye ng mga photorealistic na larawan ng iba pang mga hayop na nagpapanatili ng "facial expression" ng specimen.
Sa linggong ito, sa isang papel na ipinakita sa International Conference on Computer Vision sa Seoul, Korea, inilarawan ng mga mananaliksik ang algorithm na kanilang binuo - . Ito ay kumakatawan sa Few-shot, UNsupervised Image-to-image Translation. Kapag gumagamit ng artificial intelligence para i-transform ang mga katangian ng isang source na imahe sa isang target na imahe, ang artificial intelligence ay karaniwang kailangang sanayin sa isang malaking koleksyon ng mga target na larawan na may iba't ibang antas ng liwanag at anggulo ng camera upang makagawa ng mga resulta na mukhang makatotohanan. Ngunit ang paglikha ng tulad ng isang malaking database ng imahe ay tumatagal ng mahabang panahon at nililimitahan ang mga kakayahan ng neural network. Kung ang isang AI ay sinanay na gawing turkey ang mga manok, iyon lang ang magiging maganda nito.
Sa paghahambing, ang FUNIT algorithm ay maaaring sanayin gamit ang ilang larawan lamang ng target na hayop kung saan ito ay paulit-ulit na ginagawa. Kapag sapat nang nasanay ang algorithm, kailangan lang nito ng isang larawan ng pinagmulan at target na mga hayop, na maaaring maging ganap na random at hindi pa naproseso o nasuri dati.
Maaaring subukan ng mga interesado ang GANanimals , ngunit sa ngayon ang mga resulta ay mababa ang resolusyon at hindi angkop para sa anumang bagay maliban sa mga layuning pang-edukasyon o upang matugunan ang pagkamausisa. Inaasahan ng mga mananaliksik na sa huli ay pagbutihin ang mga kakayahan ng AI at algorithm upang sa lalong madaling panahon posible na baguhin ang mga mukha ng mga tao nang hindi umaasa sa malalaking database ng maingat na na-curate na mga imahe.
Pinagmulan: 3dnews.ru