哪张脸是真实的？应用StyleGAN创建假人

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

哪张脸是真实的？应用StyleGAN创建假人
生成模型旨在学习和理解数据集的真实分布，并使用无监督学习从中创建新数据。这些模型（例如StyleGAN）取得了混合的成功，因为很难理解某些概率分布的复杂性。
为了避开这些障碍， 创建了对抗网框架，从而使生成模型与对手相对立：一种区分模型，该模型学习确定样本是来自模型分布还是来自数据分布。
生成模型通过使随机噪声通过多层感知器来生成样本，而判别模型也是多层感知器。我们将此案例称为对抗网。
哪张脸是真实的？
哪张脸是真实的？ 由华盛顿大学的Jevin West和Carl Bergstrom开发   ，是Calling Bullshit Project的一部分。
“计算机很好，但是您的视觉处理系统甚至更好。如果您知道要查找的内容，则可以一目了然地发现这些假货-至少暂时是这样。用于生成它们的硬件和软件将继续改进，直到人类在伪造和侦查之间的军备竞赛中落后之后，可能还需要几年的时间。” – Jevin West和Carl Bergstrom
您如何分辨图像之间的差异？
在6个主要方面确定差异：
水渍
该算法产生的光泽斑点看上去有点像旧照片上的水渍。
哪张脸是真实的？ 甘|  水渍|  精确
头发
产生头发时，股线断开，太直的头发或太长的条纹都是常见的问题。
哪张脸是真实的？ 甘|  头发  精确
不对称
常见的问题是不对称。通常，框架在左侧采用一种样式，而在右侧采用另一种样式，或者在一侧上有一种徒步旅行者风格的装饰，而在另一侧则没有。其他时候，框架只是弯曲或锯齿状。此外，面部毛发不对称，左耳和右耳上的耳环不同，左右两侧的衣领或面料形式不同。
哪张脸是真实的？ 甘|  不对称|  精确
背景问题
图像的背景可能会以奇怪的状态出现，例如模糊或物体变形。这是由于这样的事实，即神经网络是在脸上训练的，而对图像背景的强调较少。
哪张脸是真实的？ 甘|  背景问题|  精确
荧光渗漏
荧光色有时会从背景渗入头发或脸部。观察者可以将其误认为是彩色头发。
哪张脸是真实的？ 甘|  荧光灯|  精确
牙齿
牙齿也很难渲染，并且可能呈奇形，不对称，或者对于那些可以识别牙齿的牙齿，有时在图像中会出现三个门牙。
哪张脸是真实的？ 甘|  牙齿|  精确
测试StyleGAN算法
StyleGAN的所有代码已在stylegan  存储库中开源。它提供了有关如何自己运行styleGAN算法的详细信息。因此，让我们开始共享一些基本系统要求。
系统要求
Linux和Windows均受支持，但是出于性能和兼容性方面的考虑，我们强烈建议使用Linux。
64位Python 3.6安装。我们建议使用numpy 1.14.3或更高版本的Anaconda3。
具有GPU支持的TensorFlow 1.10.0或更高版本。
一个或多个带有至少11GB DRAM的高端NVIDIA GPU。我们建议使用配备8个Tesla V100 GPU的NVIDIA DGX-1。
NVIDIA驱动程序391.35或更高版本，CUDA工具包9.0或更高版本，cuDNN 7.3.1或更高版本。
pretrained_example.py中给出了一个尝试styleGAN的预训练示例的最小示例。它执行如下：
> python pretrained_example.py
下载https：//drive.google.com/uc？id = 1MEGjdvVpUsu1jB4zrXZN7Y4kBBOzizDQ ....完成
Gs参数输出形状重量
----
latents_in- （？， 512 ） -
...
images_out - （ ，？ 3 ，1024 ，1024 ）-
----
总计 26219627
执行“ python pretrained_example.py”后，键入“ ls results”以查看结果。
> ls结果
example.png ＃https: //drive.google.com/uc ? id = 1UDLT_zb- rof9kKH0GwiJW_bS9MoZi8oP
准备训练数据集
训练和评估脚本对存储为多分辨率TFRecords的数据集进行操作。每个数据集由一个目录表示，该目录包含具有几种分辨率的相同图像数据，以实现有效的流传输。每个分辨率都有一个单独的* .tfrecords文件，如果数据集包含标签，它们也将存储在单独的文件中。默认情况下，脚本期望在数据集/<NAME>/<NAME>-<RESOLUTION>.tfrecords中找到数据集。 可以通过编辑config.py来更改目录：
result_dir = '结果'
data_dir = '数据集'
cache_dir = '缓存'
要获取FFHQ数据集（datas / ffhq ），请参考  Flickr-Faces-HQ存储库。
要获取CelebA-HQ数据集（datasets / celebahq ），请参阅  Progressive GAN信息库。
要获取其他数据集，包括LSUN，请查阅其相应的项目页面。使用提供的dataset_tool.py，可以将数据集转换为多分辨率  TFRecords：
> python dataset_tool.py create_lsun数据集/ lsun-bedroom-full?/ lsun / bedroom_lmdb-分辨率 256
>蟒dataset_tool.py create_lsun_wide数据集/ lsun-轿厢512x384?/ lsun / car_lmdb --width 512 --height 384
> python dataset_tool.py create_lsun数据集/ lsun-cat-full?/ lsun / cat_lmdb-分辨率 256
> python dataset_tool.py create_cifar10数据集/ cifar10?/ cifar10
> python dataset_tool.py create_from_images数据集/自定义数据集?/ custom-images
训练StyleGAN网络
设置完数据集后，您可以按照以下方式训练自己的StyleGAN网络：
编辑  train.py  以通过取消注释或编辑特定行来指定数据集和训练配置。
使用python train.py 运行训练脚本  。
结果将写入新创建的目录  results / <ID>-<DESCRIPTION>中。
培训可能需要几天（或几周）才能完成，具体取决于配置。
默认情况下，  train.py  配置为使用8个GPU为FFHQ数据集以1024×1024分辨率训练最高质量的StyleGAN（表1中的配置F）。
预计StyleGAN培训时间
在下面，您会发现NVIDIA  在FFHQ数据集  （在stylegan仓库中可用）的Tesla V100 GPU上，对train.py 脚本（在stylegan仓库中可用）的  默认配置的预期培训时间  。
哪张脸是真实的？ 甘|  StyleGan培训时间|  精确
StyleGAN：融合在一起
这个惊人的应用程序背后的算法是 NVIDIA 的Tero Karras，Samuli Laine和Timo Aila 的创意，  并将其命名为  StyleGAN。该算法基于Ian Goodfellow及其同事在General Adversarial Networks（GAN's）上的早期工作。
生成模型的局限性在于难以控制照片中的面部特征等特征。NVIDIA的StyleGAN可以解决此限制。该模型允许用户调整可以控制照片差异的超参数。
StyleGAN通过 在每个卷积层为图像添加样式来解决照片的可变性  。这些样式代表了人类照片的不同特征，例如面部特征，背景色，头发，皱纹等。模型生成两个图像A和B，然后通过从A中获取低级特征并从B中获取其余特征来组合它们在每个级别，使用不同的功能（样式）来生成图像：
粗略样式（分辨率介于4到8之间）–  姿势，头发，脸部，形状
中间样式（分辨率在16到32之间）–  面部特征，眼睛
精美的样式（分辨率在64到1024之间）-  配色方案
哪张脸是真实的？ 甘|  英伟达的神经网络|  精确
您以前测试过StyleGAN吗？还是这是您第一次？在下面的评论部分让我们知道。对于任何技术或框架，我们一直在寻找社区中新颖的方法。

关注 CDA人工智能学院 ，回复“录播”获取更多人工智能精选直播视频！

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：Style styl Sty Leg 真实的