HyperAI超神経

「妻は結婚している」「妻を奪う星野源の苦悩」「葉清傑」… 星野源と新垣結衣が正式に結婚を発表した後、多くのネットユーザーが上記のようなため息をついた。

2人は日本のドラマ「逃げるは恥だが役に立つ」で共演していた。、劇中の主人公二人は元々は「契約結婚」だったが、最終的には結婚した。

「失恋」の現状を冷静に受け入れた後、新垣結衣と星野源の子供たちを気遣うネットユーザーも増えている。子供が母親に似なくなるのではないかと心配です。

オープンソースモデルBabyGANの助けを借りて、新垣結衣と星野源の将来の子供の出現を予測しました。

「ダーヘ」はドラマ「逃げるは恥だが役に立つ」に登場する二人の子供の名前です。BabyGANの予測によると、新垣結衣と星野源の子供が女の子だったらその場合、さまざまな年齢の大きな川は次のようになります。

BabyGAN とはどのようなアーティファクトですか?

BabyGAN は、StyleGAN に基づいた子供の外見予測ツールです。エンコーダーとジェネレーターに基づいて、父親と母親の画像を入力し、ニューラルネットワークで処理した後、将来の子供の外見を生成または予測できます。

**予測方法:**GAN アーキテクチャに基づいたニューラルネットワークモデルを使用して、入力された親画像から潜在表現を抽出し、アルゴリズムを使用してそれを一定の割合で混合して子画像を生成します。

レイテンシの方向を使用して、年齢、顔の向き、感情、性別などのパラメータを変更できます。

プロジェクトアドレス:[[ここ]](https://github.com/tg-bomze/BabyGAN)

エンコーダ:ここ

このチュートリアルでは主に次のことを説明します。

1. トレーニングされた BabyGAN モデルをローカルにロードします

2. 両親の画像を準備し、潜在的な表現を取得します。

3. モデルを使用して子供の顔を生成します

4. 子供の性別、年齢、その他のパラメータを調整して、ニーズを満たす子供の画像を生成します。

設置環境：Python: 3.6; テンソルフロー: 1.15

注意すべき点:このチュートリアルは GPU で実行することをお勧めします

チュートリアルのアドレス:ここ

モデルトレーニングプロセスの詳細な説明

1. 準備作業

2.親画像を用意する

3. 子イメージの生成

4. 特定の特性を持つ子画像を生成する

完全なチュートリアルを確認してください。ここ

StyleGAN に関連する高く評価されたオープンソースプロジェクト

BabyGAN モデルは StyleGAN に基づいており、さらに StyleGAN と StyleGAN2 に基づいています。また、多くの高品質なオープンソースプロジェクトも生まれました。

スタイルALAE

StyleALAE は、StyleGAN ジェネレーターに基づく敵対的潜在オートエンコーダーです。StyleGANと同等の画質で1024 x 1024の顔画像を生成できるだけでなく、同じ解像度の実画像に基づいて顔の再構成や属性変更を行うことができます。

StyleALAE エンコーダーは、インスタンス正規化 (IN) レイヤーを使用してマルチスケールスタイル情報を抽出します。この情報は、学習可能な多重線形マップを通じて暗黙のコード w に結合されます。

スタイルフロー

StyleGAN を使用すると、高品質で多様性に富んだリアルな画像を生成するのは簡単ですが、(セマンティック) 属性を使用して高品質の出力を維持しながら生成プロセスを制御するのは実装が簡単ではありません。さらに、GAN 潜在空間のもつれの特性により、1 つのプロパティに沿って編集すると、他のプロパティも簡単に変更される可能性があります。

もつれた潜在空間の条件付き探索を解くために、属性条件付きサンプリングと属性条件付き編集に関する問題研究者らは StyleFlow を提案しました。

StyleFlow を使用して特定の属性を変更する、他の属性に変化を引き起こすことなく、たとえば、照明、姿勢、表情、性別などを変更するだけです。

実際の画像の非順次編集には StyleFlow を使用します。高齢者や非対称などの極端な画像を対象とする場合、同時方式（コンカレント方式）よりも効果が高くなります。

ピクセル 2 スタイル 2 ピクセル (PSP)

pSp は、画像から画像への変換のための StyleGAN エンコーダで、一連のスタイルベクトルを直接生成できる新しいエンコーディングネットワークに基づいています。これらのスタイルベクトルは、事前トレーニングされた StyleGAN ジェネレーターに供給され、拡張された w+ 潜在空間を形成します。

pSp では、エンコーダは追加の最適化を行わずに実際の画像を w+ に直接埋め込むことができます。また、画像から画像への変換タスクは、入力領域から潜在領域への符号化問題として定義されるエンコーダーを使用して直接解決できます。

StyleGAN 反転、マルチモーダル条件付き画像合成、顔の正面化、画像復元、および超解像度シナリオにおける pSp の結果のデモンストレーション

pspは構造を変えることなく使用できます。さまざまな画像変換タスクを処理します。セグメンテーションマップ、顔の正面化、超解像度などから顔画像を生成するなど。

ジェンフォース

GenForce は、StyleGAN、StyleGAN2、PGGAN などの深い生成モデルに適した効率的な PyTorch ライブラリです。次のような特徴があります。

1. 分散型トレーニングのフレームワーク

2. 速いトレーニング速度

3. 新モデルの試作に適したモジュール設計

4. 正式なTF版と比較して、StyleGANのトレーニングの再現性が高くなります。

5. Colab デモを備えた多くの事前トレーニング済み GAN モデルが含まれています

関連論文:ここ
プロジェクトアドレス:ここ

オープンベイズについて

OpenBayes は、中国の大手マシンインテリジェンス研究機関です。コンピューティングパワーコンテナ、自動モデリング、自動パラメータ調整など、AI開発に関連する多数の基本サービスを提供します。

同時に、OpenBayes は、データセット、チュートリアル、モデルなどの多くの主流の公開リソースも立ち上げました。開発者が理想的な機械学習モデルを迅速に学習して作成できるようにします。

openbayes.com にアクセスして今すぐ登録してください

楽しむ準備はできています

600 分/週の vGPU

および 1 週間あたり 300 分の無料 CPU

すぐに行動し、BabyGAN を使用してお子様の将来の姿を予測してください。

完全なチュートリアルポータル:ここ

コラボポータル:ここ