Generierung von Giraffen mit CycleGAN (Links) und InstaGAN (rechts).Bild: Sangwoo Mo, Minsu Cho, Shin Jinwoo
Mit machine-learning auslagern, ein Bild durch ein anderes ist nicht neu, aber Fragen Sie diese Systeme etwas zu tun, etwas komplizierter als eine einfache faceswap, und Sie können am Ende mit enttäuschend oder lächerlich Ergebnisse. Nun, die Forscher sagen, Sie haben eine Technik entwickelt, produziert weit mehr überzeugende Bilder für komplexe Aufgaben, wie das austauschen Röcke, für Hosen, Tassen, Flaschen, oder eine Herde Schafe für ein Durcheinander von Giraffen.
Forscher des Korea Advanced Institute of Science and Technology und der Pohang University of Science and Technology behaupten, dass Ihre Technik, InstaGan, zeichnet sich durch seine Fähigkeit zur Bewältigung änderungen in Form und Veränderung mehrere Bild-Elemente auf einmal. Die Methode, basierend auf generativen kontradiktorische networks (GANs), Prozesse Instanz Informationen, wie zum Beispiel die Fähigkeit zum identifizieren von Objekten und Grenzen in Bildern. In Ihrem Papier, die Forscher schreiben, dass Sie denken, Sie sind die ersten, zu entwickeln, wie eine Technik, die auf komplexe Bilder “, die nach unserem besten wissen.”
Die Ergebnisse sind ziemlich beeindruckend. Frauen Fotos ohne einfachen oder schlichten Hintergründen Ihre Hose ausgelagert, für Röcke ohne erkennbare änderungen in den hintergrund. Aber es ist nicht völlig makellos: die Beine sind ein wenig unscharf in der Ausgabe.
Die Bilder zeigen, wie Ihr system gewechselt, mehrere Schafe, Giraffen sind umso beeindruckender. Der hintergrund und die Tiere realistisch Aussehen, vor allem im Vergleich zu anderen Systemen, die versuchen, das gleiche zu tun. Der Forscher machte einen Punkt, um den Kontrast Ihrer Technik mit den bisherigen Methoden, die Ausbeute einige Schaf-giraffe-Hybriden oder scheinbar kopflose Schafe.
Die Forscher weisen darauf hin, eine Anzahl von use-cases für Ihre verbesserte Technik. Die Kleidung Beispiele, zum Beispiel könnte verwendet werden, von Menschen, die interessiert, vergleichen verschiedene Elemente, die Sie vielleicht kaufen möchten. Sie auch beachten, dass diese Forschung anwenden können, um neuronale maschinelle übersetzung—der Prozess der Verwendung von AI, um vorherzusagen, welche Wörter als Nächstes kommt in einem Satz—und video-generation.
Natürlich gibt es auch die mehr ruchlosen Möglichkeiten, diese Technologie kann verwendet werden. Mit jedem system können überzeugend generieren gefälschte Inhalte, es gibt die Sorge, dass es verwendet wird, um absichtlich und schädlich haben Ihre Zuschauer. Solche tools gibt es bereits—und werden ausgenutzt—aber das wird wahrscheinlich verwendet werden, um weiterhin die Arbeit der anderen gut gemeinten Forscher. Und, auf seine eigene, ich bin hart gedrückt, um sich vorstellen, wie der Wechsel ein Schaf, das für eine giraffe könnten Funken eine sinnvolle chaos.
[VentureBeat]
Teilen Sie Diese Geschichte