Mtandao wa neva wa Pix2pix hupaka rangi michoro ya penseli na picha nyeusi na nyeupe.

Pakua Mchezo Kamili

Cheza bila malipo na kiunga cha moja kwa moja cha Windows PC. ni kozi inayokuwezesha kuimiliki ibadilike hadi kuwa kisima cha picha

Aina: Uigaji

Maelezo:Kama ilivyo katika , ni rahisi sana kutumia pix2pix - unabuni tu uso unaofanana na wa binadamu ndani ya sehemu iliyosalia, kisha ubofye 'Mchakato' ili kubainisha inachounda kwa kutumia muujiza wa uchawi na hesabu nyingine za kiufundi. Sio lazima uwe msanii ili kufurahiya kwa kutumia pix2pix Photo Jenereta, ingawa maelezo unayounda, ndivyo uwezekano wake utakuwa kitu chochote kinachofanana na mtu halisi. Furaha ya kweli inatokana na kupata kile ambacho kilidhoofisha ubaya kuunda na kucheza na aina anuwai za michoro.

Pix2pix ni kozi inayokuwezesha kuimiliki, ikibadilika hadi kuwa picha vizuri na kuvuta chochote kwenye kontena, uchawi. Kwa sasa ipo, na aina ya tovuti yake ni jambo la kushangaza na la kutisha ambalo nimeona leo.

Kazi ya Google ya kujifunza kwa mashine huria Tensorflow ina uwezekano mkubwa zaidi kutumika kwa vitu muhimu ambavyo huendeleza sababu ya kitu au ubinadamu. Walakini, kwa ufahamu wangu, kile ambacho kimetumika vyema zaidi ni kutengeneza picha za kutisha zinazozalishwa na gari kutoka kwa michoro rahisi ya laini. Ninazungumza juu ya edges2cats, ambayo ilibadilisha mchoro wowote wa mstari kuwa paka. Ilikuwa ni jambo zima! Kila mtu alitarajia kuwa inachapisha picha za paka wazimu kweli kwenye Facebook ili wengine wacheke.

Vile vile vimetokea, isipokuwa sio paka leo. Na badala ya kazi ya Google, programu yake ya akili ya bandia ambayo ilikuwa imepewa idadi kubwa ya picha za 1 ya nanga zake, Lara Rense ilitolewa na Mtangazaji wa Umma wa Uholanzi NPO. Programu ya wavu inajulikana kama Pix2Pix kama ilivyobainishwa kutoka maarifa ya kawaida ya bandia ya Tumblr.

Inavyoonekana, matokeo yanaonekana kama viumbe, haswa mnyama wachanga wa nguruwe kutoka msimu wa kwanza wa Hadithi ya Kutisha ya Amerika. Pia, gumba juu. Fikiria Google's Deep, dream furrier.

Vuta tu doodle kwenye sehemu moja, sukuma swichi na utapokea "picha" yake muundo kuhusu tofauti, zilizoshonwa pamoja kama mchanganyiko uliotolewa kutoka kwa picha halisi za picha iliyokamilika unayochora. Kufanana ni ... sio mbaya.

Toleo kamili la blogi hii. kwenye tovuti. mchezo bila makosa na makosa. Tulikuwa tumechapisha viungo vya kupakua moja kwa moja ili kupakua mchezo huu kwa Kompyuta (Kompyuta ya Kibinafsi) bila gharama (100% bila malipo). Mchezo wa hivi punde na uliosasishwa kutoka kwa wachapishaji umetolewa hapa. kwa fomu iliyoshinikwa sana bila virusi. mchezo kutoka hapa.. Tafadhali isakinishe kwa kutumia mipangilio inayopendekezwa. Furahia kucheza mchezo huu wa ajabu bila malipo kwenye Kompyuta yako. Shiriki na marafiki. Baadhi ya vipengele na picha za skrini kutoka mchezo zimetolewa hapa chini.

Mchezo wa Pix2pix

Mahitaji ya Mfumo wa Pix2pix

Mahitaji ya mfumo huu wa mchezo yamefafanuliwa katika maudhui yaliyo hapa chini. Kwa maelezo haya, mchezo utaendesha vizuri na michoro itakuwa wazi kabisa. Mashine (CPU) bora kuliko vipimo hivi ndiyo yenye manufaa zaidi.

Kima cha chini cha Mahitaji ya Mfumo:

Mfumo wa uendeshaji: Vista/Win7/Windows 8
Kichakataji: 2GHz Dual Core
Kumbukumbu: 2 GB RAM
Michoro: NVIDIA GeForce 8600 au bora zaidi, ATI Radeon HD 2600 au bora zaidi
DirectX: 9.0c

  1. Dondoo na toleo la hivi karibuni la WinRAR.
  2. Sakinisha setup.exe.
  3. Subiri hadi ikamilike.
  4. Cheza mchezo.
  5. Furahia.

Kumbuka: Saidia wasanidi programu. Ikiwa unapenda mchezo huu, tafadhali ununue! Asante sana.

Viungo vimekusanywa kutoka kwa wapangishi tofauti wa faili (kama vile Mega, Hifadhi ya Google, Userscloud, Faili za Watumiaji, Zxcfiles, Kumpulbagi, Clicknupload, Faili Kubwa, Rapidgator, Zilizopakiwa, Up07, Uptobox, Uploadrocket, na viungo vingine vya upakuaji wa moja kwa moja kwa haraka). Pia tunatoa viungo vya torrent na FTP ambavyo vina kasi ya upakuaji ya kuaminika. Ikiwa umegundua shida yoyote kwenye kiunga au kwenye faili ambayo wewe ni kupakua, tujulishe mara moja ili tuweze kurekebisha haraka iwezekanavyo. Tunatumahi kuwa mchezo huu utafanya kazi vizuri kwenye mfumo wako na vipimo vilivyotajwa hapo juu. Ikiwa huna vipimo vya mfumo, tafadhali pata toleo jipya la kwanza ili kucheza mchezo huu, vinginevyo hautafanya kazi vizuri. Viungo vya moja kwa moja vya kupakua mchezo huu vimetolewa hapa chini. mchezo kamili na kamili. Pakua tu na uanze kuicheza. Asante kwa kuangalia kazi zetu!


Kanusho: chapisho liliandikwa kulingana na kumbukumbu za gumzo zilizohaririwa kutoka closedcircles.com, kwa hivyo mtindo wa uwasilishaji na maswali ya kufafanua


Haya yote ni utekelezaji wa Tafsiri ya Picha-kwa-Picha na karatasi ya Mitandao ya Masharti ya Adui kutoka Utafiti wa AI wa Berkeley.

Kwa hivyo hii yote inafanyaje kazi?

Katika karatasi, watu hutatua shida ya kubadilisha picha kuwa nyingine ili mtu asihitaji kuja na kazi ya upotezaji.


Shida moja kuu na mitandao ya neural katika kutoa picha ni kwamba ikiwa unatumia kama hasara tofauti ya wastani ya saizi, kwa mfano, L1 au L2 (aka maana ya kosa la mraba), basi mtandao huwa na wastani wa kila kitu. chaguzi zinazowezekana. Ikiwa kuna kutokuwa na uhakika katika picha ya mwisho - kwa mfano, makali yanaweza kuwashwa nafasi tofauti, au rangi inaweza kuwa katika safu fulani, basi matokeo bora kutoka kwa mtazamo wa upotezaji wa L2 ni kitu kati ya kesi zote zinazowezekana, na sio moja maalum.


Kwa hiyo, picha zinageuka kuwa matangazo ya blurry sana.


Kwa kazi anuwai za kibinafsi, watu walikuja na kazi zingine za upotezaji ili kuelezea muundo fulani ambao unapaswa kuwa kwenye picha inayosababishwa (kwa sehemu, kwa mfano, Sehemu za Nasibu za Masharti zilijaribiwa kuongeza, nk, nk), lakini hii. yote husaidia sana kwa kuongezeka na inategemea sana kazi.


Kweli, kufuatia mitindo mipya, karatasi inachomeka GAN (Generative Adversarial Network) kama hasara ya ziada kwa L1. (unaweza kusoma kuhusu GAN kwenye Habré na)


Mpango wao wa jumla ni kama ifuatavyo:

Jenereta hupewa picha ya pembejeo kama pembejeo - ni hali ya ziada juu ya kile kinachohitajika kutengenezwa. Kulingana na hilo, jenereta inapaswa kutoa picha ya pato.


Kibaguzi hupewa picha ya ingizo na kile jenereta ilizalisha (au, kwa mifano chanya, jozi halisi kutoka kwa mkusanyiko wa data wa mafunzo), na lazima ieleze ikiwa picha iliyotolewa ni halisi au imetolewa. Kwa hivyo, ikiwa jenereta hutoa picha ambayo haihusiani na pembejeo, kibaguzi lazima agundue hii na kuitupa.


Jenereta ni matokeo ya mafunzo ya mara kwa mara ya jozi hii ya mitandao.


Kwa ujumla, hii ndiyo mbinu ya kawaida ya GAN za Masharti - lahaja ya GAN, ambapo kielelezo lazima kitoe picha zinazolingana na vekta ya ziada ya darasa la uingizaji.


Hapa tu vector ya darasa la pembejeo ni picha, na hasara ya jumla ni hasara ya GAN + L1.


Kwa maana ya "kutupa kwenye GAN" katika muktadha wa kujadili hasara?
Naam, ndiyo.

Washa ngazi ya juu Wote!

Je, wana maelezo gani ya kuvutia?

    Tofauti mbinu ya classical hakuna vekta ya kelele inayopitishwa kwa jenereta ya GAN hata kidogo.
    Aina zote ni kwa sababu mtandao una kuacha, na hawazima baada ya mafunzo.

  • Usanifu wa mtandao - U-Net, usanifu mpya kabisa wa sehemu, ambao una miunganisho mingi ya kuruka kutoka kwa encoder hadi decoder (hapa kuna maelezo mafupi)

Hapa kuna picha inayoonyesha kuwa upotezaji wa GAN na U-net husaidia.


Hapa, kwa njia, shida ya awali kwa kutumia hasara ya L1 tu inaonekana wazi - hata mfano wenye nguvu huzalisha madoa yenye ukungu ili kupunguza mkengeuko wastani.

  • Wanafunza kielelezo kwenye viraka 70x70 na kisha kuitumia kwa picha kubwa kupitia ubadilishaji kamili. Inafurahisha kwamba 70x70 inatoa matokeo bora kwa wastani kuliko kufanya picha nzima ya 256x256 mara moja.

Wapi paka!!!

Baada ya hapo, kuna mfumo ambao unaweza kufundishwa juu ya pembejeo na matokeo ya kiholela, hata ikiwa ni kutoka kwa matatizo tofauti kabisa.


Kutoka kwa sehemu hadi kupiga picha, kutoka mchana hadi usiku kupiga picha, kutoka nyeusi na nyeupe hadi rangi, nk.


Na hapa ni mfano wa mwisho - hii ni kutoka kwa mbavu hadi kwenye picha. Kingo kwenye picha hutolewa na algorithm ya kawaida kutoka kwa maono ya kompyuta.


Hii ina maana kwamba unaweza kuchukua tu seti ya picha, endesha utambuzi wa makali, na kwenye jozi hizi
treni. Inaweza pia kufanywa kwa paka:



Na baada ya hayo, mfano huo unaweza kuzalisha kitu kwa michoro yoyote ambayo watu huchota.



(kwa njia, nitumie unachokumbuka)


Kwa hivyo, uhaba wa paka za umbo la mkate kati ya wanadamu uliondolewa!


Kwa ujumla, kazi hii ni mfano mwingine wa jinsi GAN zilivyoanza tangu mwaka jana. Inabadilika kuwa hiki ni zana yenye nguvu sana na inayoweza kunyumbulika ambayo inaeleza "Nataka isiweze kutofautishwa na kitu halisi, ingawa sijui inamaanisha nini" kama lengo la uboreshaji.
Natumai mtu ataandika hakiki kamili ya kila kitu kingine kinachoendelea katika eneo hilo! Kila kitu ni poa sana hapo.


Asante kwa umakini wako.

ni programu ya kushangaza ambayo inaweza kugeuza michoro za kawaida kuwa picha za kweli za mabwana wakubwa wa sanaa. Chombo hiki kidogo cha Android kinaweza kukufundisha jinsi ya kuteka kwa uzuri, hata kama hujawahi kujiona kuwa msanii na hata hujui jinsi ya kushikilia brashi kwa usahihi. Sasa inatosha kuonyesha maandishi yoyote kwenye skrini, subiri sekunde chache na ushangae kazi bora inayotokana.

Ingawa mfumo wa Pix2Pix bado sio mkamilifu, kwa sababu hii ni toleo la pili la programu, hata hivyo, hata sasa programu inaweza kukushangaza sana. Ukuzaji unatokana na teknolojia ambayo tayari inajulikana kidogo ya uhariri wa picha kwa kutumia mitandao ya neva. Pengine tayari unaweza kuona nini miujiza Prism au ni uwezo wa. Lakini sasa tunayo bidhaa ya kushangaza kabisa, tofauti na nyingine yoyote. Hebu fikiria - unachora paka fulani au hata jirani yako ya dawati, na si kweli kujaribu, lakini Pix2px hugeuza doodle zako kuwa kazi bora za ajabu. Labda, ikiwa programu hii ya rununu ingeonekana mapema zaidi, Picasso mwenyewe angeipenda! Lakini sisi tu tuna bahati, kwa sababu sisi tu, watu wa kisasa, alipata nafasi ya kipekee ya kutumia teknolojia za simu kwa ukamilifu. Boresha simu yako mahiri au kompyuta kibao hivi sasa, ongeza uwezo wa kushangaza wa kugeuza mchoro kuwa mchoro, na hakika utawashangaza marafiki wako wote na uwezo wako mpya!

Jinsi ya kutumia Pix2Pix kwenye Android:

★ Fungua programu, fuata maagizo rahisi
★ Baada ya kubofya mara kadhaa kitufe cha "kifuatacho" utachukuliwa kwenye skrini kuu ya programu ya rununu
★ Usipuuze vidokezo muhimu na vidokezo vya msanidi
★ Chora mchoro wako na usubiri dakika chache kwa mfumo kuunda picha
★ Programu hiyo inafanya kazi mkondoni, kwa hivyo usisahau kuwasha Mtandao mapema

Usikate tamaa ikiwa hautapata picha kamili mara ya kwanza. Programu iliundwa awali ili kukupa moyo tu. Labda msanidi programu bado hajakamilisha uumbaji wake na ana kitu cha kufanya kazi, lakini wewe na marafiki zako hamtawahi kuchoka. Kwa hiyo, usitathmini mpango huo kwa uzito sana, tunashauri pakua Pix2Pix kwa ajili ya burudani. Kwa mazoezi fulani, unaweza kuunda kito cha kweli cha kichawi, lakini wakati mwingine unataka tu kujifurahisha. Usijikane raha, cheza, utani na upate hisia chanya tu kutoka kwa programu hii isiyo ya kawaida!

Algorithm ya pix2pix imejifunza kutambua watu katika michoro na kuwageuza kuwa picha "halisi". Inageuka, badala yake, sio kweli sana - lakini ya kutisha sana. Hii sio algorithm ya kwanza ya mradi: miezi michache iliyopita, paka mbaya walikuwa tayari wakichorwa kwenye mtandao kwa kutumia pix2pix. Hatukuweza kupinga wakati huu pia.

"Pix2pix mpya ya nyuso (picha sio zangu, niliziingiza kwa kutumia programu ya watu wengine)."

Kweli, ikiwa mchoro haujatekelezwa kwa ustadi, basi algorithm hutoa picha ambazo haziwezi kuitwa kweli - badala yake, ndoto mbaya. Na watumiaji wa Twitter, ambao hawakuweza kupinga furaha mpya, walikuwa na hakika ya hili. Haikuwa vizuri sana.

"Niliamua kutumia pix2pix hii na kuchora wahusika wa katuni ndani yake. Matokeo ni ya kutisha kuliko nilivyotarajia kuona."

"Inasikitisha sana."

"Ningetengeneza "jitu la samaki la kutisha", lakini mtandao wa neva wa pix2pix ulinifanyia jambo bora zaidi, kumpa mtindo wa nywele kama mshiriki wa bendi ya wavulana."

"Inatisha kidogo ..."

"Hii ni mbaya!"

Hata hivyo, hata matokeo ya kusikitisha hayawezi kuwakatisha tamaa watumiaji wa Twitter kuwa wabunifu.

"Raha zaidi!"

"Penda chombo hiki!"

"Guy #3 inaonekana vizuri."

"Jenereta ya uso ya kuvutia kutoka kwa michoro."

Mradi wa pix2pix ulipata umaarufu miezi michache iliyopita kutokana na algorithm yake, ambayo, kulingana na mitandao ya neural, ilibadilisha paka zinazotolewa kwa mkono kuwa "halisi". Naam, paka tu, ambayo ilitolewa na waumbaji wenyewe, ilionekana kweli. Lakini kile ambacho watumiaji wa kawaida walikuwa wakifanya katika programu kilionekana zaidi kama wanyama wa manyoya kuliko paka kwa maana ya kawaida ya neno.

“Angalia paka wangu. Mtu yeyote anaweza kuwa msanii."

Upeo wa mitandao ya neva ni ya kuvutia, na kwa hiyo hutumiwa kwa mambo makubwa zaidi kuliko kuchora hadithi za kutisha. Kwa mfano, tovuti za ponografia hivi majuzi zilizindua huduma ambayo . Walakini, kwa kuzingatia matokeo, algorithm hii bado inahitaji kujifunza na kujifunza. Vinginevyo, kwa nini angelinganisha Elena Mizulina na Brooklyn Chase?