HyperAI超神经

"아내가 결혼한다", "호시노 겐의 아내가 떠나가는 아픔", "내 청춘은 끝났다"... 호시노 겐과 아라가키 유이가 공식적으로 결혼을 발표한 후, 많은 네티즌들이 이러한 감상을 표명했습니다.

**두 사람은 일본 드라마 '탈출은 부끄럽지만 유익하다'에서 호흡을 맞췄다.**,**극 중 두 주인공은 원래 '계약결혼' 상태였지만 결국 연인이 됐다.**

또 다른 네티즌들은 '실연'이라는 현재 상황을 받아들이고, 아라가키 유이와 호시노 겐의 아이들을 걱정하기 시작했습니다.아이가 엄마를 닮지 않을까봐 두렵다.

오픈소스 모델 BabyGAN의 도움으로 우리는 아라가키 유이와 호시노 겐의 미래 아이들이 어떻게 생겼을지 예측했습니다.

'다허'는 드라마 '내가 인기 있는 건 내 잘못이 아니야!'에서 부부가 낳은 아이의 이름이다.BabyGAN의 예측에 따르면,아라가키 유이와 호시노 겐의 아이가 여자아이라면,그러면 서로 다른 연령대의 강은 다음과 같을 것입니다.

**BabyGAN은 내 딸이 자라나는 모습을 사진으로 만들어냈습니다.**

BabyGAN이란 무엇인가요?

BabyGAN은 StyleGAN을 기반으로 한 아동 외모 예측 도구입니다.인코더와 생성기를 기반으로 아버지와 어머니의 이미지를 입력하고, 신경망으로 처리한 후 미래 아이의 모습을 생성하거나 예측할 수 있습니다.

예측 방법: GAN 아키텍처를 기반으로 한 신경망 모델을 사용하여 입력된 부모 이미지에서 잠재 표현을 추출한 다음, 알고리즘을 사용하여 이를 특정 비율로 혼합하여 자식 이미지를 생성합니다.

지연 방향을 사용하면 나이, 얼굴 방향, 감정, 성별과 같은 매개변수를 변경할 수 있습니다.

프로젝트 주소: [여기]

인코더: 여기

이 튜토리얼에서는 주로 다음 내용을 보여줍니다.

1. 로컬에서 훈련된 BabyGAN 모델을 로드합니다.

2. 부모의 이미지를 준비하고 잠재된 표현을 얻습니다.

3. 모델을 사용하여 아이의 얼굴을 생성합니다.

4. 자녀의 성별, 나이 및 기타 매개변수를 조정하여 귀하의 요구 사항에 맞는 자녀 이미지를 생성합니다.

**아이의 성별, 나이, 기타 속성을 도식적 애니메이션으로 조정합니다.**

설치 환경:파이썬: 3.6; 텐서플로우: 1.15

메모:이 튜토리얼은 GPU로 실행하는 것이 좋습니다.

튜토리얼 주소:여기

모델 학습 프로세스에 대한 자세한 설명

1. 준비

2. 부모 이미지 준비

3. 자식 이미지 생성

4. 특정 특성을 가진 자식 이미지 생성

전체 튜토리얼 보기:여기

StyleGAN 관련 높은 평가를 받은 오픈소스 프로젝트

BabyGAN 모델은 StyleGAN을 기반으로 합니다. 또한 StyleGAN과 StyleGAN2를 기반으로 합니다.또한, 많은 고품질 오픈소스 프로젝트가 탄생했습니다.

스타일ALAE

StyleALAE는 StyleGAN 생성기를 기반으로 하는 적대적 암묵적 자동 인코더입니다.StyleGAN과 비슷한 화질의 1024 x 1024 얼굴 이미지를 생성할 수 있을 뿐만 아니라, 동일한 해상도의 실제 이미지를 기반으로 얼굴 재구성 및 속성 변경도 수행할 수 있습니다.

StyleALAE 인코더는 IN(Instance Normalization) 계층을 사용하여 다중 스케일 스타일 정보를 추출합니다.이 정보는 학습 가능한 다중선형 맵을 통해 암묵적 코드 w로 결합됩니다.

스타일플로우

StyleGAN을 사용하면 다양하고 사실적인 고품질 이미지를 쉽게 생성할 수 있지만, (의미적) 속성을 사용하여 생성 프로세스를 제어하면서 고품질 출력을 유지하는 것은 쉽지 않습니다.또한 GAN 잠재 공간의 얽힘 특성으로 인해한 속성을 편집하면 다른 속성도 쉽게 변경될 수 있습니다.

얽힌 잠재 공간의 조건부 탐색을 풀기 위해서는,속성 조건 샘플링 및 속성 조건 편집의 문제점연구자들은 StyleFlow를 제안했습니다.

**StyleFlow는 특정 속성을 수정하는 데 사용할 수 있습니다.**,**다른 속성에 변화를 일으키지 않고**,**예를 들어, 조명, 자세, 표정, 성별 등만 변경하세요.**

StyleFlow를 사용하면 실제 이미지를 비순차적으로 편집할 수 있습니다.노인이나 비대칭 이미지 등 극단적인 이미지의 경우,동시적 방법보다 효과가 더 좋습니다.

Pixel2style2pixel(pSp)

pSp는 이미지 간 변환을 위한 StyleGAN 인코더입니다. 이는 일련의 스타일 벡터를 직접 생성할 수 있는 새로운 인코딩 네트워크를 기반으로 합니다.이러한 스타일 벡터는 사전 훈련된 StyleGAN 생성기에 입력되어 확장된 w+ 잠재 공간을 형성합니다.

pSp에서 인코더는 추가적인 최적화 없이 실제 이미지를 w+에 직접 내장할 수 있습니다.그리고 인코더는 이미지-이미지 변환 작업을 직접 해결하고 이를 입력 도메인에서 잠재 도메인으로의 인코딩 문제로 정의할 수 있습니다.

**pSp는 StyleGAN 역전, 다중 모드 조건부 이미지 합성, 정면화, 이미지 복원 및 초고해상도 시나리오에서 성과를 거두었습니다.**

pSp는 구조를 바꾸지 않고도 사용할 수 있습니다.다양한 이미지 변환 작업을 처리합니다.예를 들어, 분할 맵에서 얼굴 이미지를 생성하고, 얼굴을 정면으로 표시하고, 초고해상도화하는 등의 작업이 있습니다.

젠포스

GenForce는 StyleGAN, StyleGAN2, PGGAN과 같은 심층 생성 모델을 위한 효율적인 PyTorch 라이브러리입니다.다음과 같은 특징이 있습니다.

1. 분산 학습 프레임워크

2. 빠른 훈련 속도

3. 모듈형 디자인으로 신규 모델 프로토타입 제작에 적합

4. StyleGAN의 학습은 공식 TF 버전과 비교했을 때 높은 재현성을 보인다.

5. Colab 데모를 포함한 많은 사전 학습된 GAN 모델이 포함되어 있습니다.

관련 논문:여기
프로젝트 주소:여기

OpenBayes 소개

OpenBayes는 중국을 대표하는 머신 인텔리전스 연구 기관입니다.컴퓨팅 파워 컨테이너, 자동 모델링, 자동 매개변수 조정 등 AI 개발과 관련된 다양한 기본 서비스를 제공합니다.

동시에 OpenBayes는 데이터 세트, 튜토리얼, 모델 등 많은 대중적인 공공 리소스도 출시했습니다.개발자가 빠르게 학습하고 이상적인 머신 러닝 모델을 만들 수 있도록 해줍니다.

openbayes.com을 방문하여 지금 등록하세요

지금 즐기세요

주당 600분 vGPU

그리고 주당 300분의 무료 CPU 컴퓨팅 시간

지금 당장 행동하고 BabyGAN을 사용하여 미래 자녀의 모습을 예측해보세요!

전체 튜토리얼 포털:여기

콜랩 포털:여기

아라가키 유이와 그녀의 남편의 아이는 어떻게 생겼을까? BabyGAN을 사용하여 예측해 보겠습니다.