Het genereren van giraffen met CycleGAN (links) en InstaGAN (rechts).Afbeelding: Sangwoo Mo, Minsu Cho, Jinwoo Shin
Met behulp van machine learning uit te wisselen één beeld voor een ander is niet nieuw, maar vragen deze systemen om iets te doen wat ingewikkelder dan een basic faceswap, en u kunt eindigen met underwhelming of lachwekkende resultaten. Nu, onderzoekers zeggen dat ze een techniek ontwikkeld die produceert veel meer overtuigende beelden voor complexe taken, zoals het uitwisselen van rokken voor de broek, tassen voor flessen, of een kudde schapen voor een puinhoop van giraffen.
Wetenschappers van het Korea Advanced Institute of Science and Technology en de Pohang University of Science and Technology zeggen dat hun techniek, InstaGan, onderscheidt zich door zijn vermogen om het aanpakken van veranderingen in de vorm en het veranderen van meerdere beeld-elementen tegelijk. De methode, die gebaseerd is op de generatieve tegenspraak netwerken (GANs), processen aanleg van informatie, zoals het vermogen om objecten te herkennen en grenzen in beelden. In hun paper van de onderzoekers schrijven dat ze denken dat ze de eerste om zo ‘n techniek op meer complexe beelden’ aan het beste van onze kennis.”
De resultaten zijn indrukwekkend mooi. Vrouwen in foto ‘ s zonder eenvoudige of platte achtergronden hebben hun broek verwisseld voor rokken zonder enige waarneembare veranderingen op de achtergrond. Maar het is niet helemaal vlekkeloos: de benen zijn een beetje wazig in de output.
De beelden laten zien hoe hun systeem swaps uit een paar schapen voor giraffen zijn meer indrukwekkend. Zowel de achtergrond en de dieren realistisch te kijken, zeker in vergelijking met andere systemen proberen om hetzelfde te doen. De onderzoekers een punt om het contrast met hun techniek met de voorgaande methoden, waarvan het rendement enkele schapen, giraffe hybriden of schijnbaar headless schapen.
De onderzoekers wijzen op een aantal use-cases voor de verbetering van hun techniek. De kleding voorbeelden, bijvoorbeeld, kan worden gebruikt door mensen die geïnteresseerd zijn in het vergelijken van verschillende items die ze willen kopen. Ze let ook op dat dit onderzoek van toepassing op neurale machine vertaling—het proces van het gebruik van AI om te voorspellen welke woorden zou kunnen komen vervolgens in een zin—en video-generatie.
Natuurlijk zijn er ook de meer snode manieren van deze technologie kan worden gebruikt. Met een systeem dat kan op overtuigende wijze het genereren van valse inhoud, is er de bezorgdheid dat het zal worden gebruikt om opzettelijk en schadelijk verkeerd geïnformeerd zijn kijkers. Deze instrumenten bestaan al en worden uitgebuit—maar deze zal waarschijnlijk worden gebruikt om verdere met het werk van andere goed bedoelde onderzoekers. En, op zijn eigen, ik ben moeilijk voor te stellen hoe het schakelen van een schaap voor een giraffe zou spark zinvolle chaos.
[VentureBeat]
Deel Dit Verhaal