Press "Enter" to skip to content

GAN的一些很酷的应用

Last updated on 2019年3月27日

摘要: 本文主要讲述了生成对抗网络GANs的发展和主要应用。

 

在GAN发展的最初几年里,我们取得了令人瞩目的进展。当然,现在不会是像恐怖电影里那样有邮票大小的面部照片了。2017年,Gan制作了1024×1024张能愚弄人才童子军的照片。在未来几年,我们可能会看到GAN生成的高质量视频,由此衍生的商业应用程序即将来临。作为GAN系列的一部分,我们研究了一些很酷的应用程序,希望它们能作你的GAN应用程序的灵感来源。

 

创建动画角色

 

众所周知,游戏开发和动画制作成本很高,并且雇佣了许多制作艺术家来完成相对常规的任务。但通过GAN就可以自动生成动画角色并为其上色。

 

 

发生器和鉴别器由多层卷积层、批标准化和具有跳过链接的relu组成。

 

 

姿势引导人形像生成

 

通过姿势的附加输入,我们可以将图像转换为不同的姿势。例如,右上角图像是基础姿势,右下角是生成的图像。

 

 

下面的优化结果列是生成的图像。

 

 

该设计由二级图像发生器和鉴频器组成。生成器使用元数据(姿势)和原始图像重建图像。鉴别器使用原始图像作为 CGAN 设计标签输入的一部分。

 

 

CycleGAN

 

跨域名转让将很可能成为第一批商业应用。GANs将图像从一个领域(如真实的风景)转换为另一个领域(莫奈绘画或梵高)。

 

 

例如,它可以在斑马和马之间转换图片。

 

 

Cyclegan构建了两个网络G和F来构建从一个域到另一个域以及反向的图像。它使用鉴别器d来批评生成的图像有多好。例如,G将真实图像转换为梵高风格的绘画,并且DY用于区分图像是真实的还是生成的。

 

域A到域B:

 

 

我们在反向域B域A中重复该过程:

 

 

PixelDTGAN

 

根据名人图片推荐商品已经成为时尚博客和电子商务的热门话题。Pixeldtgan的作用就是从图像中创建服装图像和样式。

 

 

 

 

超分辨率

 

从低分辨率创建超分辨率图像。这是GAN显示出非常令人印象深刻的结果,也是具有直接商业可能性的一个领域。

 

 

与许多GAN的设计类似,它是由多层卷积层、批标准化、高级relu和跳过连接组成。

 

 

GAN的逐步发展

 

Progressive GAN可能是第一个展示商业化图像质量的GAN之一。以下是由GAN创建的1024×1024名人形象。

 

 

它采用分而治之的策略,使训练更加可行。卷积层的一次又一次训练构建出2倍分辨率的图像。

 

 

在9个阶段中,生成1024×1024图像。

 

 

高分辨率图像合成

 

需要注意的是这并非图像分割,而是从语义图上生成图像。由于采集样本非常昂贵,我们采用生成的数据来补充培训数据集,以降低开发成本。在训练自动驾驶汽车时可以自动生成视频,而不是看到它们在附近巡航,这就为我们的生活带来了便捷。

 

网络设计:

 

 

 

文本到图像( StackGAN

 

文本到图像是域转移GAN的早期应用之一。比如,我们输入一个句子就可以生成多个符合描述的图像。

 

 

 

文本到图像合成

 

另一个比较通用的实现:

 

 

人脸合成

 

不同姿态下的合成面:使用单个输入图像,我们可以在不同的视角下创建面。例如,我们可以使用它来转换更容易进行人脸识别图像。

 

 

 

图像修复

 

几十年前,修复图像一直是一个重要的课题。gan就可以用于修复图像并用创建的“内容”填充缺失的部分。

 

 

学习联合分配

 

用面部字符P(金发,女性,微笑,戴眼镜),P(棕色,男性,微笑,没有眼镜)等不同组合创建GAN是很不现实的。维数的诅咒使得GAN的数量呈指数增长。但我们可以学习单个数据分布并将它们组合以形成不同的分布,即不同的属性组合。

 

 

 

DiscoGAN

 

DiscoGAN提供了匹配的风格:许多潜在的应用程序。DiscoGAN在没有标签或配对的情况下学习跨域关系。例如,它成功地将样式(或图案)从一个域(手提包)传输到另一个域(鞋子)。

 

 

DiscoGAN和cyclegan在网络设计中非常相似。

 

 

Pix2Pix

 

PIX2PIx是一种图像到图像的翻译,在跨域Gan的论文中经常被引用。例如,它可以将卫星图像转换为地图(图片左下角)。

 

 

DTN

 

从图片中创建表情符号。

 

 

 

纹理合成

 

 

图像编辑 ( IcGAN )

 

重建或编辑具有特定属性的图像。

 

 

 

人脸老化( Age-cGAN )

 

 

 

神经照片编辑器

 

基于内容的图像编辑:例如,扩展发带。

 

 

细化图像

 

 

目标检测

 

这是用gan增强现有解决方案的一个应用程序。

 

 

图像融合

 

将图像混合在一起。

 

 

视频生成

 

创建新的视频序列。它识别出什幺是背景,并为前台操作创建新的时间序列。

 

视频链接

 

生成三维对象

 

这是用gan创建三维对象时经常引用的一篇文章。

 

 

音乐的产生

 

GaN可以应用于非图像领域,如作曲。

 

 

 

医疗(异常检测)

 

GAN还可以扩展到其他行业,例如医学中的肿瘤检测。

 

 

Be First to Comment

发表评论

电子邮件地址不会被公开。 必填项已用*标注