Imagined by StyleGAN-2 (Karras). Find our work here.
Imagined by StyleGAN-2 (Karras). Find our work here.
(Left: training progress, Right: the finished result) The type of AI that powers Waifu Labs is called a Generative Adversarial Network. We made an explainer video on how the technology works! You can think of it as a pair of AIs that spar against each other in order to learn: The first AI is called the Generator. It’s task is to learn how to draw. The second AI is called the Discriminator. It’s ta
Try out the interactive version: This Anime Does Not Exist (link). A custom variant StyleGAN2 model (512px resolution) trained on Danbooru2019. Notable changes include disabling stylemixing during training, forgoing path length regularization, using 2x feature maps, noconst (from the start), top-k (at convergence), and data augmentation using PALM (hands and figures augmentations), among other twe
今日は、@Jiny2001です。 国内でも悪用され初めてついに逮捕者が出たDeepFake。本記事はDeepFakeの総まとめです。 キーになる各技術の仕組みとしてStyleGAN, FaceSwap, StarGAN, Talking Headsについて解説してみました。何故AIがこれだけ進歩してきたのか、この技術部分の理解が超大事だと思ってます。気になるなら是非読んでみて下さい。 そして最後にちょっとだけ、今後のAI発展についての期待を書いてみました。 Too long; didn't read? 1行で要約すると → DeepFake ぱねぇ です。 目次 DeepFake系技術の現状 DeepFakeの大まかな技術体系の解説 1) Face Synthesis: (StyleGAN) 2) Identity Swap: (FaceSwap) 3) Attribute Manipul
(それぞれゆかたゆさんとしゅんさんのものです (2020/2/19現在)) 自分もこんな感じのアイコンが欲しい!!!!!!ということで機械学習でメルアイコン生成器を作りました。 本記事ではそれに用いた手法をおおざっぱに紹介していきたいと思います。 GANとは 生成にあたってはGAN(Generative adversarial networks、敵対的生成ネットワーク)という手法を用いています。 図の引用元 この手法では画像を生成するニューラルネットワーク(Generator)と、入力されたデータがメルアイコンなのかそうでないのかを識別するニューラルネットワーク(Discriminator)の2つを組み合わせます。GeneratorはDiscriminatorを欺くためにできるだけメルアイコンに似せた画像を生成しようとし、Discriminatorはより正確に画像を識別しようと学習します。
A state-of-the-art AI that draws custom anime portraits, just for you! This machine learning artist figures out your preferences and creates a perfect character illustration in 4 easy steps. If it sounds like magic, that's because it is! It's totally free to use! Start Now! Use your character in a game! Introducing Arrowmancer. Meet unique, beautiful characters! Import your own from Waifu Labs! Yo
Shall We GANs? 2019.6.12 高橋 智洋(オムロン) * この資料は動画未対応です... 自己紹介 •高橋 智洋 •所属: オムロン (2018 年 6 月入社) •興味 •理論物理: 学生時代は一般相対論の研究をしてました. •数理計画法: 離散最適について調査・実装. •機械学習: 今の仕事.最近はロボティクス関連も. GAN の研究例 理論面 応用例 Lossを工夫 計算の安定性向上 収束性向上 画像生成 domain変換 異常検知 Sequence to figure Progressive GAN CycleGAN DiscoGAN Stack GAN Video anomaly detection (V)AEとの合わせ技 AAE VAEGAN 3D 3DRecGAN Coulomb GAN WGAN WGAN-GP SNGAN TTUR LSGAN Imag
広告・アパレル領域でのバーチャルモデルとして展開株式会社データグリッド(本社:京都府京都市左京区吉田本町36-1 京都大学国際科学イノベーション棟西館1階、代表取締役社長 岡田侑貴、以下「データグリッド」)はディープラーニングを応用したGAN(敵対的生成ネットワーク)により、従来困難であった高解像度(1024×1024)の実在しない人物の全身画像を自動生成するAIである「全身モデル自動生成AI」を開発いたしました。 データグリッドは2018年6月にアイドル自動生成AIを開発しました。しかし、アイドル自動生成AIでは顔領域のみの画像生成となっており、十分な表現力がありませんでした。そこで、生成された人物の表現力を高めるために、「全身生成」及び「動作生成」の2つの研究開発に取り組んで参りました。高精度の全身生成モデルは先行事例がなく、チャレンジングな研究開発でしたが、この度、高解像度(1024
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