顔画像生成のためのデータセットを作る - すぎゃーんメモ
動機 TensorFlowの登場をきっかけに 機械学習によるアイドル顔識別 という取り組みをしていて、3年以上かけてコツコツとアイドルの自撮りを収集してラベルをつけてデータセットを作ってきたけど、 アイドルヲタクはもう辞めてしまって 現場にも全然行かなくなり、卒業・脱退の情報を追いながらラベルを更新していく作業を続ける情熱はすっかり薄れてしまった。 もうアイドル顔識別プロジェクトは終了にしよう、と思った。 しかし折角今まで集めたデータを捨ててしまうのは勿体無い。せめて最後に何か活用できないものか。 と考えて、「画像生成」に再び取り組んでみることにした。 過去に試したことはあったけど、それほど上手くはいっていない。 TensorFlowによるDCGANでアイドルの顔画像生成 TensorFlowによるDCGANでアイドルの顔画像生成 その後の実験など この記事を書いたのが2016年。 この後
無料のGoogle Colabで美少女イラストのKeras+GANs線画着彩 - Qiita
はじめに 定番のGANs（pix2pix）線画着彩を、無料のGoogle Colabでやってみました。 教師データが大きく、また学習時間も長いので、Colabでやるには多少工夫が必要です。 https://colab.research.google.com/ pix2pixの説明は、他の方の分かりやすい記事を見て頂くとよいかと思います。 先にU-Netを理解してからだと、pix2pixの理解が早いと思います。 https://qiita.com/koshian2/items/603106c228ac6b7d8356 https://qiita.com/mine820/items/36ffc3c0aea0b98027fd 事前準備 美少女イラストを収集・厳選・加工し、線画と着彩のデータセットを用意します（以下参考）。 https://www.mathgram.xyz/entry/scrapi
人体構造の制約を GANでimplicitに教示して姿勢推定するメモ - 緑茶思考ブログ
Adversarial PoseNet: A Structure-aware Convolutional Network for Human Pose Estimation https://arxiv.org/abs/1705.00389 関連研究 姿勢推定ではDCNN(Deep Convolutional Neural Nets)でheatmapを回帰する手法が一般的 しかし、以下の場合では現実ではあり得ない姿勢を出力してしまうことがある 部位のocclusionが大きいとき（以下の画像参照） 背景と部位の類似度が高いとき これを避けるには人体の関節構造についての事前情報が必要。 でも人体の幾何的制約をDCNNに入れ込むのは難しい Adversarial PoseNet 姿勢推定した結果が「人体として尤もらしいか」をimplicitに学習させるために、GANの枠組みを利用。 通常GANで
#MakeGirlsMoe でもっと遊べるプログラムを書いた（実質百合画像生成） - ブログのとさか
MakeGirls.moe 二次元キャラを自動生成してくれるMakeGirls.moeが今話題になっています。 make.girls.moe 今までの画像生成手法と比べてもかなり綺麗な画像が出力されるので驚きました。 PFNでアルバイトしている方が作ったそうです。流石... ネットの評判（ニコニコの某動画）を見てみると、「ただパーツを組み合わせただけだろ」とか、「データベースからランダムに選んでるだけでしょ」といったコメントをしている人がいて、 いかに高度な画像生成ができているかがわかります。 技術的な詳細は公式ブログにまとまっています。 MakeGirls.moe Official Blog ここでGANとは～～みたいな話をしてもいいのですが、今回はこのWebサービスでもっと遊ぶためのプログラムを書いたので導入方法と使い方を紹介します。 このプログラムを導入すると「2つのイラストの中間の
はじめてのGAN
今回はGAN（Generative Adversarial Network）を解説していきます。 GANは“Deep Learning”という本の著者でもあるIan Goodfellowが考案したモデルです。NIPS 2016でもGANのチュートリアルが行われるなど非常に注目を集めている分野で、次々に論文が出てきています。 また、QuoraのセッションでYann LeCunが、この10年の機械学習で最も面白いアイディアと述べていたりもします。 “The most interesting idea in the last 10 years in ML, in my opinion.” –Yann LeCun GANは聞いたことはあるけれどあまり追えてないという人向けに基礎から解説していきたいと思います。それでは順に見ていきましょう。 目次 基礎理論 DCGAN 実装 論文紹介 まとめ 基礎理
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
