<kbd id="afajh"><form id="afajh"></form></kbd>
<strong id="afajh"><dl id="afajh"></dl></strong>
    <del id="afajh"><form id="afajh"></form></del>
        1. <th id="afajh"><progress id="afajh"></progress></th>
          <b id="afajh"><abbr id="afajh"></abbr></b>
          <th id="afajh"><progress id="afajh"></progress></th>

          用GAN生成70歲的你!還可以重返17歲,代碼已開源!

          共 2081字,需瀏覽 5分鐘

           ·

          2020-12-04 11:19

          點擊上方AI算法與圖像處理”,選擇加"星標"或“置頂”

          重磅干貨,第一時間送達

          本文轉載自:新智元? |????編輯:QJP

          【導讀】你是否想象過未來的自己長什么樣子?來自斯坦福和華盛頓大學的研究員近期發(fā)表了一篇論文,提出了基于GAN的新方法,可以僅用一張照片,連續(xù)生成從年輕到年老的自己的照片。

          注:該工作已收錄于ECCV 2020

          論文:https://arxiv.org/abs/2003.09764


          壽命年齡轉換合成(Lifespan Age Transformation Synthesis)是一個以 GAN 為基礎的新方法,旨在從一個單一的輸入圖像模擬連續(xù)老化的過程。

          ?

          這個算法被設計用來幻想衰老的過程,并在一個人的整個生命周期中生成一個近似的外觀。

          ?

          最初的主要用例是用于藝術和娛樂(CGI 效果,相機濾鏡等),但這種方法也可能用于更關鍵的應用,例如模擬失蹤和被拐賣人口的外觀等。

          ? ? ? ?? ? ? ?

          作者同時還強調說,作為一種不完美的數據驅動方法,結果可能是不準確和有偏見的。輸出的結果應該由一個專業(yè)人員進行客觀的分析,而不是被當作一個絕對的基本事實來使用。

          ?

          當用深度學習技術預測一個人在未來會是什么樣子,或者他在過去是什么樣子的時候,現有的方法大多局限于改變人臉的質地,忽視了人體在老化和生長過程中頭部形態(tài)的變化。這就限制了以前的方法對成年人老化處理的適用性,而這些方法對兒童照片的應用也不能產生高質量的結果。

          ?

          來自華盛頓大學和斯坦福大學的研究人員提出了一種新的多域圖像生成對抗網絡結構,其學習潛空間模型是一個連續(xù)的雙向的老化過程。

          ? ? ? ?? ? ? ?

          該網絡是在 FFHQ 數據集上進行訓練的,并按照年齡、性別和語義分割對其進行標記。固定年齡類別被用作錨定來近似連續(xù)年齡轉換。新框架可以通過一張照片預測0-70歲年齡段的完整頭像,同時修改頭部的紋理和形狀。作者們展示了各種各樣的照片和數據集的結果,并顯示了顯著的改善超過了現有的水平。

          ? ? ? ?? ? ? ??

          作者團隊在算法設計上投入了大量的精力,以保持輸入圖像中人的身份,并最小化數據集固有偏差對結果的影響,這些改進措施就包括:

          ?

          1.設計身份編碼器結構,保留輸入圖像的局部結構

          ?

          2.保持個人身份的訓練損失

          ?

          3.FFHQ 數據集包含年齡段的性別不平衡。為了防止在輸出中引入這些偏見,例如為女性生產男性面部特征或反之亦然,訓練了兩個獨立的模型,一個是男性模型,一個是女性模型。應用哪個模型的決定留給用戶自己去決定。

          ?

          結果與部分SOTA模型的比較:

          ?? ? ? ?


          與PyGAN相比,新模型得到了更為清晰和真實的照片預測結果,不同年齡之間的轉換也更為順滑。

          ? ? ? ?圖:能夠產生更清晰的皺紋,相比S2GAN來說更適用于年齡較大的人群

          ?

          此模型在FFHQ上訓練并在CACD上進行測試,而PyGAN和S2GAN都在CACD數據集上進行訓練,即使PyGAN通過一個不同的生成器進行訓練來產生每個年齡段的人,但新的網絡仍然能夠通過單個生成器來輸出多個類別,同時實現更加寫實的照片。與S2GAN相比,新的算法能夠產生更明顯的皺紋和面部特征年齡,同時可以跨越更長的年齡范圍來生成圖片。

          ?

          如果需要在自己的本地機器上運行的前提條件是:

          ?

          1.需要有GPU并且安裝了CUDA

          ?

          2.代碼應該運行在 PyTorch 1.0.0 以上的版本和 torchvision 0.4.0以上的版本上。

          ?

          3.使用提供的 requirements.txt 文件: pip install-r requirements.txt 安裝所需要的包

          ?

          好消息是,研究人員還提供了Colab的Demo,可以使用自己的圖片進行測試,相信大家已經躍躍欲試了吧。

          ?

          Colab地址附送如下:

          https://colab.research.google.com/github/royorel/Lifespan_Age_Transformation_Synthesis/blob/master/LATS_demo.ipynb#scrollTo=3ezAOkaHw4Q_

          ?

          項目地址:

          https://github.com/royorel/Lifespan_Age_Transformation_Synthesis


          下載1:leetcode?開源


          AI算法與圖像處理」公眾號后臺回復:leetcode,即可下載。每題都 runtime beats 100% 的開源好書,你值得擁有!



          下載2 CVPR2020

          AI算法與圖像處公眾號后臺回復:CVPR2020,即可下載1467篇CVPR?2020論文
          個人微信(如果沒有備注不拉群!
          請注明:地區(qū)+學校/企業(yè)+研究方向+昵稱


          覺得不錯就點亮在看吧


          瀏覽 49
          點贊
          評論
          收藏
          分享

          手機掃一掃分享

          分享
          舉報
          評論
          圖片
          表情
          推薦
          點贊
          評論
          收藏
          分享

          手機掃一掃分享

          分享
          舉報
          <kbd id="afajh"><form id="afajh"></form></kbd>
          <strong id="afajh"><dl id="afajh"></dl></strong>
            <del id="afajh"><form id="afajh"></form></del>
                1. <th id="afajh"><progress id="afajh"></progress></th>
                  <b id="afajh"><abbr id="afajh"></abbr></b>
                  <th id="afajh"><progress id="afajh"></progress></th>
                  俺去俺也去 | 黄色视频在线免费观看视频 | 丁香五月天婷婷婷 | 中文无码熟妇人妻 | 久久久三级电影网站 |