You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert
Webサイトのデザインやポスターの作製、こうしたデザインの仕事で配色を決めるのはとても重要なプロセスです。 しかし、その作業はとても時間がかかります。その手助けに機械学習の力を借りよう、というのがこのColormindです。 作者の方はデザイナーのようで、常々この「配色を決めるプロセス」をどうにか効率化できないかと考えていたそうです。なぜなら、配色の良さというのは感覚的なものなので、「これがベストだ」と理屈で説明できません。そのため、オンラインのカラージェネレーターや写真から抽出した配色について、それが良いか、またデザインガイドラインに沿っているかなどをチェックする作業を、何度も繰り返していたそうです。 この作業を機械学習で改善できないか。そこで最初に試みたのが、RNN(LSTM)を利用した生成でした。ただ、これはあまり上手くいかなかったそうです(無難な色を選ぶ傾向があるそうです)。そこで
It has been recently shown that Generative Adversarial Networks (GANs) can produce synthetic images of exceptional visual fidelity. In this work, we propose the GAN-based method for automatic face aging. Contrary to previous works employing GANs for altering of facial attributes, we make a particular emphasize on preserving the original person's identity in the aged version of his/her face. To thi
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