資訊專欄INFORMATION COLUMN
摘要：一段時間以來，我一直在嘗試使用生成神經網絡制作人物肖像。生成圖像的質量與低分辨率輸出實現密切相關。在第一階段，根據給定描述生成相對原始的形狀和基本的色彩，得出低分辨圖像。使用生成的圖像比現有方法更加合理逼真。
一段時間以來，我一直在嘗試使用生成神經網絡制作人物肖像。早期試驗基于類似 Deep Dream 的方法，但最近我開始將精力集中在 GAN 上面。當然，無論在什么時候，高精度和較精確的細節都是很難實現的，使用 GAN 生成人臉也一樣。首先，這些網絡的感受野往往不到 256×256 像素的大小。
解決這個問題的一種辦法是使用 stack GAN。我用基于 stack GAN 的方法，終于將像素提升到 768×768 的大小，最多使用 3 個階段 stack 將像素提升到了 4k×4k。我不在意結果是否真實，但細節紋理逼真很重要。
為了減少 artifact（模糊不清的地方），我需要應對 mode collapse 等各種問題。具體說，光滑皮膚和多毛皮膚之間，第二階段 GAN 是 meta stable，往往導致輸出變成一塊一塊的。
現在我使用的最多是 vanilla GAN。當然，我覺得我也該試一下 WGAN、CramerGAN 或 BEGAN，因為大家都說后面幾種收斂更好。
下面就是我使用 GAN 生成的空想人物肖像（我選了效果比較好的放上來）。
生成圖像的質量與低分辨率輸出（lowres output）實現密切相關。我通常在第一階段生成 128×128 或者 256×256 像素的結果，然后在第二階段提升至 768×768 或者 1024×1024。大多數情況下，生成的結果都很糟糕，遠遠沒有我挑選出來的這幾張好，但有些時候會出現非常富有藝術性的圖像，偶爾看上去還像是有藝術風格誕生。
我在最后的第三階段將像素提升到 4k。但是，實際上我并沒有這個像素級別的訓練數據，也就是說，網絡做的只是大致預測邊緣是否平滑等等。
系統不可能知道皮膚高分辨率的人臉數據庫。毛孔或睫毛這些細節。因此，我們需要一個與高分辨率的人臉數據庫。
考慮到最終的印刷效果，在這種分辨率下故意保留一些 artifact 可能還不錯（相比 ）。
Mike Tyka 參考了下面這篇論文中所提到的方法 Stack-GAN，并且在論文基礎上做了 3 次堆疊。有興趣你也可以一試：）
摘要
根據文本描述合成逼真圖像是計算機視覺一大挑戰，也有很多應用。使用現有方法合成的圖像在細節和生動方面差強人意。本文中，我們提出 StakeGAN 方法，根據文本描述生成逼真的圖像。在第一階段（Stage-I GAN），GAN 根據給定描述生成相對原始的形狀和基本的色彩，得出 Stage-I 低分辨圖像。Stage-II GAN 將 Stage-I GAN 和文本描述作為輸入，生成高分辨率的逼真圖像。Stage-II GAN 能夠修正錯誤，增加令人信服的效果和細節。使用 StackGAN 生成的圖像比現有方法更加合理逼真。最重要的是，StackGAN 根據文本第一次生成 256×256 像素的圖像，現有方法最多只能生成 128×128 像素的圖像。
歡迎加入本站公開興趣群商業智能與數據分析群
興趣范圍包括各種讓數據產生價值的辦法，實際應用案例分享與討論，分析工具，ETL工具，數據倉庫，數據挖掘工具，報表系統等全方位知識
QQ群：81035754
文章版權歸作者所有，未經允許請勿轉載,若此文章存在違規行為，您可以聯系管理員刪除。
轉載請注明本文地址：http://specialneedsforspecialkids.com/yun/4568.html
摘要：據報道，生成對抗網絡的創造者，前谷歌大腦著名科學家剛剛正式宣布加盟蘋果。他將在蘋果公司領導一個機器學習特殊項目組。在加盟蘋果后會帶來哪些新的技術突破或許我們很快就會看到了。 據 CNBC 報道，生成對抗網絡（GAN）的創造者，前谷歌大腦著名科學家 Ian Goodfellow 剛剛正式宣布加盟蘋果。他將在蘋果公司領導一個「機器學習特殊項目組」。雖然蘋果此前已經縮小了自動駕駛汽車研究的規模，但...
摘要：文本谷歌神經機器翻譯去年，谷歌宣布上線的新模型，并詳細介紹了所使用的網絡架構循環神經網絡。目前唇讀的準確度已經超過了人類。在該技術的發展過程中，谷歌還給出了新的，它包含了大量的復雜案例。谷歌收集該數據集的目的是教神經網絡畫畫。 1. 文本1.1 谷歌神經機器翻譯去年，谷歌宣布上線 Google Translate 的新模型，并詳細介紹了所使用的網絡架構——循環神經網絡（RNN）。關鍵結果：與...
閱讀 3783·2021-09-23 11:32
閱讀 2451·2021-09-06 15:01
閱讀 1616·2021-08-18 10:24
閱讀 3450·2019-12-27 11:44
閱讀 3605·2019-08-30 15:52
閱讀 2512·2019-08-30 11:11
閱讀 674·2019-08-29 17:27
閱讀 600·2019-08-29 16:22
