大数据文摘作品,转载要求见文末 作者:Aileen,姜范波 微信后台(非评论区)回复“画猫”获取相关原文论文。 说起人工智能,最经常被人提起的案例就是可以训练机器分辨图片哪些是猫那些是狗。这两天人工智能圈继续拿毛孩子们搞事情,火了一个叫做edges2cats的玩意儿。一个叫Christopher Hesse的人用大约2000张猫的图片和从这些图片自动产生的边缘线进行训练,做了一个网页版小应用:只要画出一个轮廓,人工智能就能自动根据你给出的轮廓画出喵星人来。作者本人亲自示范如下,是不是可爱炸了!? 这个插件
上次写的文章-- 一文了解下 GANs可以做到的事情,如果想进一步了解 GAN,学习研究 GAN,可以先从这 10 篇论文开始。
2019 年 6 月 27 日,The Verge 报道网上又出现一个奇葩的新 AI 工具,叫 DeepNude。
CycleGAN是在今年三月底放在arxiv的一篇文章,文章名为Learning to Discover Cross-Domain Relations with Generative Adversar
Pix2pix是一个全新的工具,旨在允许任何类型的图像变换的应用程序无关的训练。所需要的是包含图像对A和B的数据集,并且可以训练网络以变换到任一方向。可能的应用包括着色,分割,线图画到图像,映射到卫星视图,风格化等。操作在两个方向上工作,因此通过正确训练的网络,可以从地图或从彩色分割的建筑立面生成合理的卫星视图。
AI科技评论按:本文作者何之源,原文载于知乎专栏AI Insight,AI科技评论获其授权发布。 CycleGAN是在今年三月底放在arxiv(arXiv: 1703.10593)的一篇文章,文章名为《Learning to Discover Cross-Domain Relations with Generative Adversarial Networks》。同一时期还有两篇非常类似的DualGAN (arXiv: 1704.02510) 和DiscoGAN (arXiv: 1703.05192),简单
可视化结果是十分强大的。然而,在健身领域,要想清楚地看到未来的锻炼结果往往是很困难的。我们是否可以利用深度学习让人们更接近他们的个人健康目标,从而帮助他们设想未来的结果? 我们的想法是:采用有条件的生
CycleGAN,一个可以将一张图像的特征迁移到另一张图像的酷算法,此前可以完成马变斑马、冬天变夏天、苹果变桔子等一颗赛艇的效果。
本文会介绍cGAN和pix2pix,并在 TensorFlow 中使用 pix2pix 模型。
昨天,网友taki0112公布了一个简易版StarGAN TensorFlow实现,不到一天时间就在Reddit论坛上热度暴增到700。
单身多年的你,是否曾幻想另一半的模样?最近,有这样一个开源项目在深度学习社区火了起来——通过神经网络生成你另一半的相貌。想知道自己会和什么样的人在一起吗?已有网友尝试了生成效果。
给活泼的猫主子拍照,我都觉得万分艰难,更不用说画像了。不过,我们刚刚发现了一个AI小应用,分分钟就能画只猫出来。 这个网页版小应用叫edges2cats,你画个轮廓,它会自动生成一只猫。 总的来说效果
选自Medium 作者:Leon Fedden 机器之心编译 参与:Panda 科学与艺术从来都不是两个互斥的主题。在「神经美学」的指引下,开发者兼艺术家 Leon Fedden 近日在 Mediu
文章中蓝色字体为链接,部分外部链接无法从文章中直接跳转,请点击阅读原文以访问链接。
本文介绍了一种使用Pix2Pix模型进行图像转换的技术,并给出了具体的代码实现和实验结果。该技术可以用于生成自然图像,并且可以应用于图像处理、计算机视觉等领域。实验结果表明,该技术的生成效果良好,并且具有较好的应用前景。
「AI 换脸」这几天又热起来了。AI 科技评论秉承以往的风格,从技术角度简单回顾一下近几年重要的 AI 换脸技术。
这就是法国小哥 Stanislas Chaillou 产出的一只设计GAN,名字叫ArchiGAN。
用于机器学习的软件库往往对研究成功至关重要,因此软件库的更新速率必须能够跟上机器学习研究发展的脚步。
这不,又一位作者使用pix2pix代码训练了一个““夫妻相””生成器。这个生成器只要输入你自己的人脸图片,就可自动可以生成与你最匹配的未来伴侣,让你在茫茫人海中,发现与你最般配的那张“夫妻脸”,或许可以助你尽早脱单(:衰
有GitHub小伙伴提供了前人的肩膀供你站上去。TA汇总了18种热门GAN的PyTorch实现,还列出了每一种GAN的论文地址,可谓良心资源。
作者 | 杜飞,川大计算机小硕,目前从事算法研究工作,对GAN的“魔法”情有独钟。
作者 | 江亦凡 最近两天刚看到的论文,写一篇文章当做笔记,论文原文取自https://arxiv.org/abs/1712.02478 继去年底Phillip Isola, Jun-Yan Zhu等人提出pix2pix框架以来,image translation的应用引起了大家的重点关注,相应的github仓库更是获得了高达4000+的star。至此,GAN在image to image translation, semantic segmentation, image style transfer等
在此之前呢,先推荐大家去读一下一篇新的文章LS-GAN(Loss-sensitive GAN)[1]。
【新智元导读】本文介绍深度学习方法在图像翻译领域的应用,通过实现一个编码解码“图像翻译机”进行图像的清晰化处理,展示深度学习应用在图像翻译领域的效果。 近年来深度学习在图像处理、音频处理以及NLP领域取得了令人瞩目的成绩,特别在图像处理领域,深度学习已然成为主流方法。本文介绍深度学习方法在图像翻译领域的应用,通过实现一个编码解码“图像翻译机”进行图像的清晰化处理,展示深度学习应用在图像翻译领域的效果。此外,由于神经网络能够自动进行特征工程,同一个模型,如果我们使用不同场景下的数据进行训练,便可适应不同的场景
△ 来源:Kaggle blog 从2014年诞生至今,生成对抗网络(GAN)始终广受关注,已经出现了200多种有名有姓的变体。 这项“造假神技”的创作范围,已经从最初的手写数字和几百像素小渣图,拓展
作者 | 王清 目录 CNN应用之图像风格化实例 如何量化风格 快速风格化的两种模型训练生成风格的滤镜 生成对抗网络介绍GAN GAN的基本思想 GAN的基本框架 GAN的适用场景 课程推荐资料 CNN应用之图像风格化实例 Image Style Transfer Using Convolutional Neural Networks (CVPRR16) [http://www.cv-foundation.org/openaccess/content_cvpr_2016/papers/Gatys_Image
当谈到数据科学和机器学习时,GitHub和Reddit是两个最受欢迎的平台。前者是代码和项目之间共享和协作的最佳工具,而后者则是与全球数据科学爱好者交流的最佳平台。
前几天发布的一篇文章中我们曾提到国外的AI捏脸应用FaceApp引发大量关注。它能让人一键变成老人,一键返老还童,一键由男变女,一键破涕为笑,一键失去头发……
也许是CycleGAN的光芒太过耀眼,Pix2Pix就像家中的次子,还没得宠多长时间,就被弟弟CycleGAN抢走了风头。这也怪不得它们的“爹滴”朱大神把“域风格迁移”的CycleGAN(下个项目介绍)造得太好用了,似乎完全能够代替“像素风格迁移”的Pix2Pix,以至于都来不及给Pix2Pix起个××GAN的名字~
安妮 编译自 PyTorch官网 今天,PyTorch公开发布一周年了。 这个自诞生之日起就火热的深度学习框架,这一年是怎样的成长轨迹?刚刚,PyTorch团队在官网上发文,盘点了PyTorch上一年的进展、大事件和社区情况,并和其他框架进行了对比。 总体来说战绩是这样的—— GitHub上有87769行Python代码导入了torch GitHub上3983个资源库在命名或描述中提到了PyTorch PyTorch文件的下载量超50万次,具体说达到了651916次 5400个用户写了21500篇帖子,在
Pix2pix算法(Image-to-Image Translation,图像翻译) 来源于论文:Image-to-Image Translation with Conditional Adversarial Networks
【导读】过去一个月里,我们对近 250 个机器学习开源项目进行了排名,并挑选出热度前 10 的项目。这份清单的平均 github star 数量高达 1345,涵盖了包括深度学习, Tensorflow, 图像分割, 漫画着色, 强化学习,Unity 等主题,希望你能从中找到一个你所感兴趣的项目深入探究。
过去一个月里,我们对近 250 个机器学习开源项目进行了排名,并挑选出热度前 10 的项目。这份清单的平均 github star 数量高达 1345,涵盖了包括深度学习, Tensorflow, 图像分割, 漫画着色, 强化学习,Unity 等主题,希望你能从中找到一个你所感兴趣的项目深入探究。
在机器学习带来的所有颠覆性技术中,计算机视觉领域吸引了业内人士和学术界最大的关注。
刚刚推出 1.3 正式版的 PyTorch 风头正劲,人们已经围绕这一深度学习框架开发出了越来越多的工具。最近,一个名为 TorchCV 的计算机视觉模型框架站上了 GitHub 趋势榜。
有一个毫无私心、任劳任怨、潜力无限的助手,为什么我们担心的是被助手取代,而不是兴高采烈地放开手脚去创造呢?
本文介绍了图像转换的两种方法:基于卷积神经网络的方法和基于生成对抗网络的方法。前者通过训练一个生成器和一个判别器,将一个图像转换成另一个图像,后者使用一个生成器和一个判别器来生成与真实图像相似但略有不同的图像。这些方法可以用于图像转换、风格迁移、图像修复等任务。
选自arXiv 机器之心编译 参与:路雪、李亚洲 结合语音合成模型、视频生成模型等,本论文研究了如何使用原始文本生成人读随机文本的虚拟视频,且口型完全对照,更加自然逼真。 目前存在大量关于使用机器学习方法生成图像的研究(Isola et al.,2016)。同样,语音合成方面也有显著进展(Sotelo et al.,2017)。不过,将两种模式同时建模的研究并不多。本论文展示了结合多个近期开发的模型生成人读随机文本的虚拟视频。我们的模型可在人说话的任意近景(close shot)视频集合(带对应的转录文本
本页面收集了大量深度学习项目图像处理领域的代码链接。包括图像识别,图像生成,看图说话等等方向的代码,以便大家查阅使用。 图像生成 绘画风格到图片的转换:Neural Style https://lin
要说最近抖音最火的效果是什么,无疑就是上周推出的漫画效果,这里本人来对该效果进行一些技术分析。
在过去的一个月里,我们(Mybridge)将近250个机器学习开源项目排名,选出前10位。
当我们谈到「上色」时,在人工智能语境里这意味着将线稿的风格转换为彩色漫画风格,其重要之处在于:
问耕 发自 LZYY 量子位 报道 | 公众号 QbitAI 人工智能又来拯救你的涂鸦大作了! 今年2月底,量子位介绍过一个“分分钟画只猫”的AI应用,如今三个月过去,还是相同的配方、还是熟悉的味道,
今天小李在逛人类知识宝库时发现一个非常有意思的目,“CoupleGenerator”, 可以理解为伴侣生成器。哦也不对,单身的小伙伴不要想太多,国家不会分配,AI自然目前也是没法大变活人,给你分配对象的。
这个效果可谓非常惊艳,真切的将真人照片转换为了漫画风格,而且支持多人处理,也是因此,一时间刷遍了抖音和朋友圈,周末两天的使用量达到了20亿次以上。
图像翻译,指从一副图像到另一副图像的转换。可以类比机器翻译,一种语言转换为另一种语言。下图就是一些典型的图像翻译任务:比如语义分割图转换为真实街景图,灰色图转换为彩色图,白天转换为黑夜……
领取专属 10元无门槛券
手把手带您无忧上云