SberSwapで、個別の学習プロセス無しでFaceSwapを実現する | cedro-blog
1.はじめに 今までのFaceSwapは、個別に学習プロセスが必要なため処理に時間がかかるのが難点でした。今回ご紹介するのは、個別の学習プロセス無しでFaceSwapを実現するSberSwapという技術です。 2.SberSwapとは？ 下記の図は、SberSwapのモデル図でAEI-Netと呼ばれており、３つの部分で構成されています。 １つ目がIdentity Encoderで、画像XsからベクトルZidを求めます。２つ目がMulti-level Attributes Encoderdで、U-Netと同様な構造を持ち画像Xtから特徴Zattを取り出します。そして、３つ目がAAD Generatorで、これらの情報から目的とする画像を生成します。 3.コード コードはGoogle Colabで動かす形にしてGithubに上げてありますので、それに沿って説明して行きます。自分で動かしてみたい
SONY Neural Network Console で、顔画像生成に再びトライ | cedro-blog
今回は、昨年９月にやったDCGANによる顔画像の生成に再びトライしてみたいと思います。 こんにちは cedro です。 昨年9月24日のブログでDCGANによる顔画像の生成をやってみましたが、この頃はディープラーニングを始めたばかりで知識・スキルがほとんどなく、生成された顔画像は心霊写真の域を出ないものでした（笑）。 それから３か月経ち、まだまだ分からないことだらけですが、その頃よりも多少マシになって来たので、再び顔画像の生成にトライしてみたいと思います。 前回の反省点は２つあって、 １）顔画像のデータ数量が圧倒的に少なかった その頃の画像収集は、ブラウザで画像検索して Snipping Tool（Windows標準で付いているやつ）で顔部分を切り取って収集するというスタイルだったので、データ数量はたったの320個でした。 ２）ニューラルネットワークの設計が不十分だった その頃はニューラル
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
