来自 太阳传媒 2019-10-14 17:23 的文章
当前位置: 澳门太阳赌城 > 太阳传媒 > 正文

手把手教你在TensorFlow2.0中实现CycleGAN

图片 1

图片 2

另外,时间、空间信息的搭配食用,也能让AI更好地学到视频的风格特征

有国外网友称赞太棒,表示很高兴看到TensorFlow 2.0教程中涵盖了最先进的模型。

当RecycleGAN的蒲公英,学着菊花的动作,变成茂密的团子,CycleGAN还在慢慢地绽放。

AI社群 | 与优秀的人交流

大家可能已经习惯这样的操作了。

在上面的教程中,我们学习了如何从Pix2Pix中实现的生成器和鉴别器进一步实现CycleGAN,接下来的学习你可以尝试使用TensorFlow中的其他数据集。

图片 3

鉴别器D_X区分图像X和生成的图像X,辨别器D_Y区分图像Y和生成的图像Y。

原本是日落:

你还可以用更多次的迭代改善结果,或者实现论文中修改的ResNet生成器,进行知识点的进一步巩固。

责任编辑:

现在,TensorFlow开始手把手教你,在TensorFlow 2.0中CycleGAN实现大法。

不过在那之前,我们还是有许多资源可以欣赏。

图片 4

团队在项目主页里,提供了丰富的生成效果:

CycleGAN,一个可以将一张图像的特征迁移到另一张图像的酷算法,此前可以完成马变斑马、冬天变夏天、苹果变桔子等一颗赛艇的效果。

图片 5

和在Pix2Pix中的操作类似,在随机抖动中吗,图像大小被调整成286×286,然后随机裁剪为256×256。

对抗损失(Adversarial Loss) ,朱俊彦团队的循环损失(Cycle Loss) ,反复损失(Recurrent Loss) ,以及CMU团队自己造的“再”循环损失(Recycle Loss) 都用上,才是强大的损失函数

https://github.com/tensorflow/docs/blob/master/site/en/r2/tutorials/generative/cyclegan.ipynb

按着你想要的节奏开花:中老年表情包利器

在随机镜像中吗,图像随机水平翻转,即从左到右进行翻转。

https://www.cs.cmu.edu/~aayushb/Recycle-GAN/

图片 6

代码也快来了

GitHub地址:

二是,只依靠二维图像的空间信息,要学习视频的风格就很困难。

—完—

RecycleGAN用奥巴马生成的川川,除了嘴皮子,脸的角度也在跟着变化。而中间的CycleGAN,只有嘴的动作比较明显。

图片 7

圆栗子 发自 凹非寺

图片 8

第二局,你见过蒲公英开花的样子么:

图片 9

或许是怀着超越大前辈Cycle-GAN(来自朱俊彦团队) 的意味,团队给自家的GAN起了个非常环保的名字,叫Recycle-GAN

鉴别器和生成器的损失与Pix2Pix中的类似。

重要的是,视频里的时间信息唾手可得,无需寻觅。

在CycleGAN中,因为没有用于训练的成对数据,因此无法保证输入X和目标Y在训练期间是否有意义。因此,为了强制学习正确的映射,CycleGAN中提出了“循环一致性损失”(cycle consistency loss)。

第一局,先来看看换脸的效果:

图片 10

那么,怎样的迁移才可走出这个框框,让这个星球上的万物,都有机会领取视频改造的恩泽?

图片 11

Pix2Pix是有成对数据的;CycleGAN靠的是循环一致性 (Cycle Consistency) ;RecycleGAN用的是视频流的时间信息

5、检查点

这位选手,入选了ECCV 2018

初始化所有生成器和鉴别器的的优化:

云,也变得急切了

这个教程中使用的模型体系结构与Pix2Pix中很类似,但也有一些差异,比如Cyclegan使用的是实例规范化而不是批量规范化,比如Cyclegan论文使用的是修改后的resnet生成器等。

图片 12

6、训练

CMU的科学家们说,大家很快就可以看到代码了。

3、导入并重新使用Pix2Pix模型

图片 13

喜欢就点「好看」吧 !

最后吐个槽

在TensorFlow 2.0中实现CycleGAN,只要7个步骤就可以了。

这样一来,改变天气就不难了。团队说拍电影的成本,可以用这样的方法降下来。

8、进阶学习方向

论文请至这里观察:

图片 14

图片 15

图片 16

把一段视频里的面部动作,移植到另一段视频的主角脸上。

7、使用测试集生成图像

注意,团队是预先把两种花,从初开到完全凋谢的时间调成一致。

图片 17

本文由澳门太阳赌城发布于太阳传媒,转载请注明出处:手把手教你在TensorFlow2.0中实现CycleGAN

关键词: