Компания NVIDIA  открыла (https://medium.com/syncedreview/nvidia-open-sources-hyper-re... наработки, связанные с проектом StyleGAN (https://arxiv.org/abs/1812.04948), позволяющим генерировать изображения новых лиц людей, имитируя фотографии. Система автоматически учитывает аспекты размещения лиц и делает результат неотличим от настоящих фотографий (большинство опрошенных не смогли отличить оригинальные фотографии от сгенерированных). Для синтеза лиц применяется система  машинного обучения на основе генеративно-состязательной нейронной сети (GAN (https://ru.wikipedia.org/wiki/%D0%93%D0%.... Код написан на языке Python с применением фреймворка TensorFlow и опубликован под лицензией Creative Commons BY-NC 4.0 (только для некоммерческого использования).

Для загрузки
доступны (https://github.com/NVlabs/stylegan/blob/master/pretrained_ex... как готовые натренированные модели, так и коллекции (http://stylegan.xyz/ffhq) изображений (https://github.com/tkarras/progressive_growing_of_gans) для самостоятельного обучения нейронной сети. Базовая модель обучена на основе коллекции Flickr-Faces-HQ (https://github.com/NVlabs/ffhq-dataset) (FFHQ), включающей 70 тысяч высококачественных (1024x1024) PNG-изображений лиц людей. При этом система не привязана к лицам - в качестве примера показаны варианты, обученные на коллекциях фотографий автомобилей, кошек и кроватей. Для работы требуется одна или несколько видеокарт NVIDIA (рекомендуется GPU Tesla V100), как минимум 11 Гб ОЗУ, драйверы NVIDIA 391.35+, инструментарий CUDA 9.0+ и библиотека cuDNN 7.3.1 (https://developer.nvidia.com/cudnn).

Система позволяет синтезировать изображение нового лица на основе интерполяции особенностей нескольких лиц, комбинируя свойственные им черты, а также адаптируя итоговое изображение под необходимый возраст, пол, длину волос, характер улыбки, форму носа, цвет кожи, очки, поворот лица на фотографии. Генератор рассматривает изображение как коллекцию стилей, автоматически отделяет характерные детали (веснушки, волосы, очки) от  общих высокоуровневых атрибутов (поза, пол, возрастные изменения) и позволяет комбинировать их в произвольном виде с определением доминирующих свойств через весовые коэффициенты.

URL: https://medium.com/syncedreview/nvidia-open-sources-hyper-re...
Новость: https://www.opennet.ru/opennews/art.shtml?num=50127