Post Jobs

在TensorFlow 2.0中CycleGAN实现大法,还能给花草、天气变脸 | ECCV

ca88 15

原标题:摄像换脸新境界:CMU不仅仅给人类变脸,还是能给花草、天气变脸 | ECCV
2018

铜灵 发自 凹非寺

圆栗子 发自 凹非寺

量子位 出品| 公众号 QbitAI

ca88 1

CycleGAN,三个得以将一张图像的风味迁移到另一张图像的酷算法,以前能够产生马变斑马、无序变三夏、苹果变柑儿等一颗摩托艇的功效。

把一段录像里的面部动作,移植到另一段录像的支柱脸孔。

ca88 2

大家兴许早已习惯如此那般的操作了。

那行被顶会ICCV收音和录音的钻研自建议后,就为图形学等世界的技巧人士所用,以致还成为众多美学家用来撰写的工具。

ca88 3

ca88 4

正是目的主演并不是人类,大概也算不上美丽。眼睛鼻子嘴,至少组件齐全

也是当前文火的“换脸”技能的长辈了。

那正是说,怎么着的动员搬迁才可走出那几个局面,让那个星球上的万物,都有机缘领取摄像改动的雨滴?

ca88 5

ca88 6

倘诺你还没学会那项决定的研商,那此次应当要赶紧上车了。

按着你想要的节拍开花:中老年神情包利器

以往,TensorFlow开首手把手教您,在TensorFlow 2.0中CycleGAN完成刑事诉讼法。

源点卡耐基梅隆高校的团体,开辟了电动变身手艺,不论是花花草草,照旧万千气象,都能自如调换。

以此官方教程贴几天内收获了满满人气,获得了谷歌AI程序员、哥伦比亚(República de Colombia)高校数据应用研讨所Josh 戈登的推荐,Instagram晚春近600赞。

ca88 7

ca88 8

云,也变得火急了

有海外网络朋友表扬太棒,表示很欢喜看到TensorFlow
2.0课程中蕴藏了起先进的模子。

或是是满怀当先大前辈Cycle-GAN(来自朱俊彦集团)
的表示,共青团和少先队给自家的GAN起了个十三分环境保护的名字,叫Recycle-GAN

这份教程周全详实,想学CycleGAN不能够错失这几个:

那位选手,入选了ECCV 2018ca88,。

详尽内容

Recycle之道,时间知晓

在TensorFlow 2.0中落到实处CycleGAN,只要7个步骤就能够了。

Recycle-GAN,是一只无监督学习的AI。

1、设置输入Pipeline

不成对的二维图像数据,来训练录像重定向(Video Retargeting)
并不轻便:

安装tensorflow_examples包,用于导入生成器和鉴定区别器。

一是,若无成对数据,那在摄像变身的优化上,给的限制就非常不够,轻松生出不好局地一点都不大值
(Bad Local Minima) 而影响生功能果。

!pip install -q git+

二是,只凭借二维图像的空间消息,要学习录制的风格就很狼狈。

2、输入pipeline

ca88 9

在这些课程中,大家入眼学习马到斑马的图像转换,要是想寻觅类似的数据集,可在此之前往:

您开花,作者就开放

本着那三个难题,CMU团队提议的法子,是选拔日子新闻(Temporal
Information) 来施加越多的限制,糟糕局地相当的小值的气象会削减。

在CycleGAN故事集中也提到,将随便抖动和镜像应用报到并且接受集陶冶集中,那是幸免超负荷拟合的图像巩固技能。

另外,时间、空间音讯的衬映食用,也能让AI更加好地球科学到录像的风格特征

和在Pix2Pix中的操作看似,在随心所欲抖动中呢,图像大小被调度成286×286,然后轻松裁剪为256×256。

ca88 10

在随机镜像中呢,图像随机水平翻转,即从左到右实行翻转。

时刻音讯:进程条撑不住了 (误)

ca88 11

关键的是,录像里的时日消息不费吹灰之力,没有要求搜索。

ca88 12

接下来,看一下Recycle-GAN,是什么在两段摄像的图像之间,创建映射的。

3、导入并再一次利用Pix2Pix模型

ca88 13

由此安装tensorflow_examples包,从Pix2Pix中程导弹入生成器和鉴定分别器。

四位选手相比一下

那些课程中应用的模子系统布局与Pix2Pix中很类似,但也是有局部出入,举例Cyclegan使用的是实例标准化并非批量规范化,比方Cyclegan随想使用的是修改后的resnet生成器等。

Pix2Pix是有成对数据的;CycleGAN靠的是循环一致性 (Cycle Consistency)
;RecycleGAN用的是视频流的岁月新闻

大家磨炼三个生成器和七个鉴定区别器。生成器G框架结构图像X转变为图像Y,生成器F将图像Y转变为图像X。

数次的,比CycleGAN的经过还要劳碌。好像终于感受到,Recycle-GAN那些名字是有道理的。

鉴别器D_X区分图像X和转移的图像X,辨别器D_Y区分图像Y和变化的图像Y。

周旋损失(Adversarial Loss) ,朱俊彦集团的循环损失(Cycle Loss)
几度损失(Recurrent Loss)
,以及CMU团队团结造的“再”循环损失(Recycle Loss)
都用上,才是强有力的损失函数

ca88 14

功用怎么着?

ca88 15

发表评论

电子邮件地址不会被公开。 必填项已用*标注

相关文章

网站地图xml地图