Погода:
Влажность:
Ветер:
logo logo_white
inform
Отправить сообщение об ошибке?
Ваш браузер останется на этой же странице

Ученые создали программную модель, способную превращать картины в фотографии

Программа умеет подменять и объекты. Так, например, при заданных параметрах она способна заменить яблоки на апельсины, а лошадей на зебр.
11:39 5 Апреля 2017 84
Ученые создали программную модель, способную превращать картины в фотографии
Загрузка...

Калифорния (США), 5 апреля — Научные сотрудники Калифорнийского университета в Беркли сумели создать продвинутую нейросеть, способную превращать картины художников в реалистичные фотографии и наоборот. 

Как уточняется, программа также умеет подменять большинство объектов на изображениях. Так, например, при заданных параметрах нейросеть способна заменить яблоки на апельсины, а лошадей на зебр.

За последние годы программы, способные переносить стиль одного изображения на другое, получили значительное развитие. Обычно пользователи загружают фотографии на сервер и применяют специальные фильтры, сделанные на основе работ известных художников. В этом случае искусственная нейронная сеть моделирует процессы нервных клеток живого организма, распознавая образы и обучаясь. Так каждый последующий перенос одного изображения в другое будет на более высоком техническом уровне.

Однако до сих пор никто не пытался создать нейросеть, которая была бы пригодна и для обратных операций.

Американские исследователи создали программную модель, способную извлекать ключевые характеристики стиля одного набора изображений, после чего определять, как их возможно применить к другому набору изображений. При этом программисты из Беркли отказались от системы парных образцов, которая обычно применяется в процессе обучения нейросетей.

Чтобы программа смогла понять разницу между стилями художников и превратить картины в реалистичные фотографии, сотрудники университета разработали порождающую состязательную нейросеть, состоящую из двух компонентов: различающего и генеративного. Генератор служит для создания образов, различающий компонент – для создания качественной «подделки».

Однако у новой модели есть и свои минусы. Порождающая состязательная нейросеть все еще не дотягивает до уровня метода парных образцов, но, стоит отметить, значительно экономит время при создании баз данных системы.

Загрузка...
Загрузка...
Нажми СОХРАНИТЬ, чтобы
читать NEWINFORM на главной Яндекса
Наверхнаверх
Обсудить статью сейчас
0 комментариев
Нет, спасибо
больше не показывать