tvbox开源代码公布意味着什么怎么修改能去掉右上角图片？

来源：蜘蛛抓取(WebSpider) 时间：2024-03-29 02:30 标签： 开源代码公布意味着什么
城里新来了个AI修图师，可以说有求必应。拍了一张美美的照片，但是我还不满意。想瘦脸，想按照我想要的弧线瘦脸；还想让眉毛俏皮上挑、鼻子也挺一点。AI修图师，行不行？行。简单。把不满意的地方涂掉，接着想怎么改，就怎么简单勾勒一下线条。然后，点一下按钮。效果你看看，行不行？求大神帮忙：帮我P成咧嘴微笑，以及眼珠换个颜色。行。世间P图的要求不过尔尔，对于这个AI修图师来说，简直信手拈来。只要你提好需求，然后一键就能完美实现。来个实战演示，譬如给美女加个刘海、画个眼影。也是轻轻松松快速完成。给小伙去掉墨镜、露出眼睛。没问题，分分钟搞定。真的，这都不算难事儿。加首饰、换发型、补全脸其实，过去我们也介绍过一些类似的神经网络P图大师。不过这次的AI修图师，还有一些新本领。例如，对于色彩的掌握。可以根据要求，改变眼球的颜色，轻松告别美瞳或者红眼。还能改变发型。甚至，给光头P上秀发，而且头发可以是不同颜色的混搭，直接生成一种挑染的风范~不仅如此，这个AI还能按照需求，定制生成搭配的首饰。耳坠啊什么的，全都不在话下。当然，以上种种还都是小儿科。这个AI能脑补的范围可不只是一点点，而是一大片。即便你给它这样一张图片。只要给出要求。AI修图师也能很好的重建出来。左边是脑补的结果，右边是真实的照片，对比一下，你会点赞的……再展示一组。甚至，只给一个带颜色的简笔画，AI修图师也能生成接近原照片的结果。你看：这是怎么做到的？原理解读其实这个最新出现的AI修图大师，来自韩国电子通信研究院（ETRI）。背后是一个名叫SC-FEGAN的模型，可以分为生成器、鉴别器两大部分。输入一张不完整的图片，加上蒙版、线稿或者颜色信息，生成器就能推断出编辑后的照片。然后，鉴别器来判断这张照片是不是P得天衣无缝。生成器基于英伟达推出的图像修复模型U-net，一共有16个卷积层，所有卷积层都使用3x3大小的门控卷积（gated convolution）。除了输入和输出之外，所有卷积层之后都应用英伟达在2017年提出的局部响应归一化（LRN）。生成器中还引入了各种损失训练，包括每像素损失、感知损失、风格损失、总方差损失以及通用的GAN损失函数。鉴别器，使用的是伊利诺伊大学厄巴纳-香槟分校（UIUC）和Adobe研究团队在2018年提出SN-PatchGAN中的架构。使用了3x3大小的卷积核并应用了梯度惩罚损失项，并没有将ReLu函数应用到GAN损失之中。数据集在这项研究中，训练使用的是香港中文大学汤晓鸥组收集的人脸数据集CelebA-HQ数据集。在其中随机选择两组共29000张图像用于训练，1000张图像用于测试。将图像统一调整为了512x512像素之后，通过自由蒙版和加州大学联合Adobe推出的面部图像生成算法GFC创建对应的草图和颜色数据。创建颜色数据时，使用直方图均衡化来避免光反射和阴影造成的颜色污染。然后，使用加州大学HED边沿检测器，来生成与用户输入相对应的草图数据，修改面部图像，然后平滑曲线，并擦除修改图像产生的细小边缘。效果怎么样？研究中，与伊利诺伊大学厄巴纳-香槟分校和Adobe研究团队的网络Deepfillv1进行了对比。在对人物面部进行了大面积胡抹乱画之后，Deepfillv1虽然对整体进行了复原，但是各种涂抹痕迹，以及细节处理，都远远不及新提出的SC-FEGAN。此外，与其他的研究相比，SC-FEGAN对数据的依赖并没有那么高。哪怕是是输入一幅完全涂抹掉的图像，也能生成一些头发丝出来。传送门这篇论文，来自韩国电子通信研究院，作者是Youngjoo Jo和Jongyoul Park。这项研究的模型代码，已经在GitHub上开源了，并且提供了带有图形界面的Demo，但需要下载安装。如果你对这项研究感兴趣，请收好传送门：SC-FEGAN: Face Editing Generative Adversarial Network with User’s Sketch and Colorhttps://arxiv.org/pdf/1902.06838.pdfGitHub项目地址：https://github.com/JoYoungjoo/SC-FEGAN来源：量子位关注V信公众号：七月在线实验室，查看更多BAT面试题，干货资料等扫描二维码 获取更多信息今日学习推荐：为了让小伙伴们更好的学习，我们为你准备了机器学习、OCR文字识别实战、CV就业、推荐系统就业、AI就业班相关方面知识，可免费试听喔，详情点击下方学习~

我要回帖

更多关于 开源代码公布意味着什么 的文章

 

随机推荐