發(fā)布Windows應(yīng)用程序!試試英偉達(dá)“神筆馬良”GauGAN
點(diǎn)擊上方“機(jī)器學(xué)習(xí)與生成對抗網(wǎng)絡(luò)”,關(guān)注星標(biāo)
獲取有趣、好玩的前沿干貨!
豐色 發(fā)自 凹非寺 量子位 報(bào)道 | 公眾號 QbitAI
大家還記得致敬印象派大師高更的GauGAN嗎?
只需簡單畫幾筆,就能生成逼真風(fēng)景畫的那個(gè):

這個(gè)能讓普通人秒變“神筆馬良”的神器,現(xiàn)在又發(fā)布Windows版公測程序啦!

長這樣:

這次它提供了PSD文件保存格式等功能,界面也是看著此前的網(wǎng)頁版友好非常多:

△ 網(wǎng)頁版仍然可用
雖然但是……新的桌面版只能支持英偉達(dá)RTX系列的GPU了!

△ 老黃刀法,不得不感嘆
有RTX系列的朋友可以往下看了。
如何使用?
下載安裝包之前確保你的電腦符合以下具體要求:
操作系統(tǒng):Windows 10
GPU:GeForce RTX, NVIDIA RTX, Quadro RTX, TITAN RTX
顯卡驅(qū)動:460.89或更高版本
眾所周知,它與其他畫畫工具最大的區(qū)別就是:讓創(chuàng)作者用材料而不是顏色來作畫。
目前程序一共提供了15種不同的材料,包括天空、山脈、河流石頭等:

并提供9種風(fēng)格, 用來修改作品的整體濾鏡:

這和老版沒啥區(qū)別。
筆刷、直線、油漆桶、取色器等可以調(diào)節(jié)粗細(xì)的工具都有,就不說了。
和PS很像,筆畫會按不同材料被分別存成一個(gè)個(gè)圖層,而桌面版這次幫你顯示出來了。

另外,它是實(shí)時(shí)渲染,左邊畫著右邊就出結(jié)果,不像網(wǎng)頁版還需要左等右等。
并且無論你在哪邊畫,兩邊都可以交互式更新(這個(gè)功能也可關(guān)閉)。

最后,除了PNG格式,桌面版還可導(dǎo)出PSD文件。
并且左邊(segmentation map)的圖像也可以保存(雖然小編想不到這個(gè)存了有啥用,為了下次導(dǎo)入接著畫嗎)。
而存成PSD格式的話,最終輸出圖像會被存為背景圖層,接著就可以拿到PS上繼續(xù)創(chuàng)作、或者與其他藝術(shù)作品結(jié)合了。
ps.也可導(dǎo)入從該程序?qū)С龅腜SD文件。
下面是更多作品示例:


背后的技術(shù)
英偉達(dá)去年三月首次公布了這個(gè)工具背后的技術(shù)GauGAN,這一路又是上線網(wǎng)頁版和又是開發(fā)桌面端,不得不令人想象它的應(yīng)用前景。
wangGauGAN這個(gè)模型也是將語義分割圖轉(zhuǎn)化為逼真圖像,它最大的創(chuàng)新點(diǎn)是提出了空間適應(yīng)標(biāo)準(zhǔn)化 (SPADE)。

SPADE算法作用在生成器中,它會接收上一層的輸出和語義圖作為輸入,而上一層的輸出經(jīng)過BN,語義圖經(jīng)過resize后通過一個(gè)卷積層,然后再將它通過兩個(gè)卷積層后生成的結(jié)果分別和BN的做wise乘法和加法得到輸出圖像。

這種處理方式能夠有效地彌補(bǔ)BN帶來的語義信息的丟失,使得生成的圖像能夠更加逼真。

△ pix2pixHD算法與SPADE效果對比
這樣語義信號就可以作用于所有層的輸出,然后再進(jìn)行一下上采樣調(diào)整就可以交給判別器了。
另外,為了讓最終輸出更加逼真,該模型在NVIDIA DGX系統(tǒng)上使用了超過500萬張圖像進(jìn)行訓(xùn)練。
最后,有條件有興趣的朋友可以腦洞大開,戳下方鏈接去嘗試。
也不知道這認(rèn)真的桌面版一出,會不會有人做出令人驚喜的應(yīng)用來呢。
下載地址:https://www.nvidia.com/en-us/studio/canvas/
注意:要有英偉達(dá)RTX的GPU支持哦!?。?/strong>
猜您喜歡:
等你著陸!【GAN生成對抗網(wǎng)絡(luò)】知識星球!
CVPR 2021 | GAN的說話人驅(qū)動、3D人臉論文匯總
CVPR 2021 | 圖像轉(zhuǎn)換 今如何?幾篇GAN論文
CVPR 2021生成對抗網(wǎng)絡(luò)GAN部分論文匯總
最新最全20篇!基于 StyleGAN 改進(jìn)或應(yīng)用相關(guān)論文
附下載 | 經(jīng)典《Think Python》中文版
附下載 | 《Pytorch模型訓(xùn)練實(shí)用教程》
附下載 | 最新2020李沐《動手學(xué)深度學(xué)習(xí)》
附下載 | 《可解釋的機(jī)器學(xué)習(xí)》中文版
附下載 |《TensorFlow 2.0 深度學(xué)習(xí)算法實(shí)戰(zhàn)》
