HyperAI

« Ma femme va se marier », « La douleur de voir la femme de Gen Hoshino lui être enlevée », « Ma jeunesse est terminée »... Après que Gen Hoshino et Yui Aragaki ont officiellement annoncé leur mariage, de nombreux internautes ont exprimé les sentiments ci-dessus.

Les deux ont joué ensemble dans le drame japonais « Escape is Shameful but Useful »,Les deux protagonistes de la pièce étaient à l'origine « mariés contractuellement » et sont finalement devenus un couple

Un autre groupe d'internautes, après avoir calmement accepté la situation actuelle d'« amour brisé », s'est tourné vers les enfants de Yui Aragaki et Gen Hoshino.Peur que l’enfant ne ressemble pas à la mère.

Les utilisateurs de Weibo se sont montrés très préoccupés par l'apparence de leur enfant

Avec l'aide du modèle open source BabyGAN, nous avons prédit à quoi ressembleront les futurs enfants de Yui Aragaki et Gen Hoshino.

"Dahe" est le nom de l'enfant du couple dans le drama "Ce n'est pas ma faute si je suis populaire !".**Selon la prédiction de BabyGAN,**Si l'enfant de Yui Aragaki et Gen Hoshino est une fille,Les rivières d’âges différents peuvent alors ressembler à ceci :

BabyGAN a généré une photo de ma fille en train de grandir

Animation générée par BabyGAN de la croissance du fils

Qu'est-ce que BabyGAN ?

**BabyGAN est un prédicteur d'apparence d'enfant basé sur StyleGAN.**Sur la base de l'encodeur et du générateur, vous pouvez saisir des images du père et de la mère et, après traitement par le réseau neuronal, générer ou prédire l'apparence du futur enfant.

**Méthode de prédiction :**À l'aide d'un modèle de réseau neuronal basé sur l'architecture GAN, la représentation latente est extraite de l'image parent d'entrée, puis l'algorithme est utilisé pour la mélanger dans une certaine proportion pour générer l'image enfant.

Père (à gauche), apparition prévue (au milieu), mère (à droite)

En utilisant la direction de latence, vous pouvez modifier des paramètres tels que l'âge, l'orientation du visage, l'émotion et le sexe.

Adresse du projet :[[Ici]](https://github.com/tg-bomze/BabyGAN)

Encodeur :Ici

Ce tutoriel démontre principalement :

1. Chargez le modèle BabyGAN formé à partir du local

2. Préparer des images des deux parents et obtenir leurs représentations latentes

3. Générer le visage de l’enfant à l’aide du modèle

4. Ajustez le sexe, l'âge et d'autres paramètres de l'enfant pour générer une image d'enfant qui répond à vos besoins

Ajustez le sexe, l'âge et les autres attributs de l'enfant dans l'animation schématique

**Environnement d'installation :**Python : 3.6 ; TensorFlow : 1.15

**Note:**Ce tutoriel est recommandé pour être exécuté avec un GPU

Adresse du tutoriel :Ici

Explication détaillée du processus de formation du modèle

1. Préparation

2. Préparez l'image parent

3. Générer des images enfants

4. Générer des images d'enfants avec certaines caractéristiques

Voir le tutoriel complet :Ici

Projets open source hautement cotés liés à StyleGAN

Le modèle BabyGAN est basé sur StyleGAN. De plus, il est basé sur StyleGAN et StyleGAN2.De nombreux projets open source de haute qualité ont également été dérivés.

StyleALAE

**StyleALAE est un autoencodeur implicite contradictoire basé sur le générateur StyleGAN.**Non seulement il peut générer des images de visage 1024 x 1024 avec une qualité d'image comparable à StyleGAN, mais il peut également effectuer une reconstruction de visage et des modifications d'attributs basées sur des images réelles à la même résolution.

**L'encodeur StyleALAE utilise une couche de normalisation d'instance (IN) pour extraire des informations de style multi-échelles.**Ces informations sont combinées dans un code implicite via une carte multilinéaire apprenable.

StyleFlow

Bien qu'il soit facile de générer des images de haute qualité, diverses et réalistes à l'aide de StyleGAN, il n'est pas facile de contrôler le processus de génération à l'aide d'attributs (sémantiques) tout en conservant une sortie de haute qualité.**De plus, en raison de la nature intriquée de l'espace latent du GAN,**La modification d’une propriété peut facilement entraîner des modifications dans d’autres propriétés.

Afin de résoudre l'exploration conditionnelle de l'espace latent intriqué,**Problèmes liés à l'échantillonnage et à l'édition conditionnés par les attributs,**Les chercheurs ont proposé StyleFlow.

StyleFlow peut être utilisé pour modifier un certain attribut,sans provoquer de modifications dans d'autres propriétés,Par exemple, changez uniquement l’éclairage, la posture, l’expression, le sexe, etc.

Utilisez StyleFlow pour effectuer une édition non séquentielle d’images réelles.**Pour les images extrêmes telles que les personnes âgées et les images asymétriques,**L'effet est meilleur que la méthode concurrente.

Pixel2style2pixel (pSp)

pSp est un encodeur StyleGAN pour la traduction d'image en image. Il est basé sur un nouveau réseau de codage capable de générer directement une série de vecteurs de style.Ces vecteurs de style sont introduits dans le générateur StyleGAN pré-entraîné pour former l'espace latent w+ étendu.

Dans pSp, l'encodeur peut intégrer directement l'image réelle dans w+ sans optimisation supplémentaire.Et l'encodeur peut résoudre directement la tâche de conversion d'image en image et la définir comme un problème d'encodage du domaine d'entrée au domaine latent.

Les réalisations de pSp dans l'inversion StyleGAN, la synthèse d'images conditionnelles multimodales, la frontalisation du visage, la restauration d'images et les scénarios de super-résolution

pSp peut être utilisé sans modifier la structure.**Gérer une variété de tâches de conversion d'images,**Comme la génération d'images de visage à partir de cartes de segmentation, la frontalisation des visages, la super-résolution, etc.

GenForce

**GenForce est une bibliothèque PyTorch efficace pour les modèles génératifs profonds tels que StyleGAN, StyleGAN2 et PGGAN.**Il présente les caractéristiques suivantes :

1. Cadre de formation distribué

2. Vitesse d'entraînement rapide

3. Conception modulaire, adaptée au prototypage de nouveaux modèles

4. Comparé à la version officielle TF, l'entraînement de StyleGAN est hautement reproduit

5. Contient de nombreux modèles GAN pré-entraînés avec des démos Colab

Quelques projets et articles liés à GenForce

Articles connexes :Ici
Adresse du projet :Ici

À propos d'OpenBayes

OpenBayes est une institution de recherche de premier plan en intelligence artificielle en Chine.Fournit un certain nombre de services de base liés au développement de l'IA, notamment des conteneurs de puissance de calcul, une modélisation automatique et un ajustement automatique des paramètres.

**Dans le même temps, OpenBayes a également lancé de nombreuses ressources publiques grand public telles que des ensembles de données, des tutoriels et des modèles.**Pour que les développeurs apprennent rapidement et créent des modèles d’apprentissage automatique idéaux.

Visitez openbayes.com et inscrivez-vous maintenant

Profitez-en maintenant

600 minutes/semaine de vGPU

Et 300 minutes/semaine de temps de calcul CPU gratuit

Agissez maintenant et utilisez BabyGAN pour prédire à quoi ressembleront vos futurs enfants !

Portail didactique complet :Ici

Portail Colab :Ici