暗黙的な誤りが存在していた？！
3つの要点 ✔️ FIDの算出に大きな誤りが存在した。 ✔️ 画像形式によってもFIDは影響を受けることが判明 ✔️ PILのbicubic補間を使用することが推奨された On Buggy Resizing Libraries and Surprising Subtleties in FID Calculation written by Gaurav Parmar, Richard Zhang, Jun-Yan Zhu (Submitted on 22 Apr 2021) Comments: Published on arxiv. Subjects: Computer Vision and Pattern Recognition (cs.CV); Graphics (cs.GR); Machine Learning (cs.LG) code： 追記 今回の内容はライブラリのV1での実装であ
メルアイコン変換器を作った話 - Qiita
はじめに 「メルアイコン」と呼ばれる、Melvilleさんの描くアイコンはその独特な作風から大勢から人気を集めています。 上はMelvilleさんのアイコンです。 この方へアイコンの作成を依頼し、それをtwitterアイコンとしている人がとても多いことで知られています。 代表的なメルアイコンの例 （左から順にゆかたゆさん、みなぎさん、しゅんしゅんさんのものです (2020/12/1現在)） 自分もこんな感じのメルアイコンが欲しい！！ということで機械学習でメルアイコン生成器を実装しました！！.......というのが前回の大まかなあらすじです。 今回は別の手法を使って、キャラの画像をメルアイコンに変換するモデルを実装しました。例えばこんな感じで変換できます。 実装したコードはこちら 本記事ではこれに用いた手法を紹介していきます。 GANとは 画像の変換にあたってはUGATITという手法を使って
thiswaifudoesnotexist.com -
This webpage was generated by the domain owner using Sedo Domain Parking. Disclaimer: Sedo maintains no relationship with third party advertisers. Reference to any specific service or trade mark is not controlled by Sedo nor does it constitute or imply its association, endorsement or recommendation.
言語処理における GAN の展開
Private content!This content has been marked as private by the uploader.
Reproducing Japanese Anime Styles With CartoonGAN AI
From Hayao Miyazaki’s Spirited Away to Satoshi Kon’s Paprika, Japanese anime has made it okay for adults everywhere to enjoy cartoons again. Now, a team of Tsinghua University and Cardiff University researchers have introduced CartoonGAN — an AI-powered technology that simulates the styles of Japanese anime maestri from snapshots of real world scenery. Anime has distinct aesthetics, and traditiona
ジョージア工科大学とGoogle Brain、GANの学習プロセスをリアルタイムに可視化するWebブラウザベースの対話型視覚化ツール「GAN Lab」を発表
ジョージア工科大学とGoogle Brain、GANの学習プロセスをリアルタイムに可視化するWebブラウザベースの対話型視覚化ツール「GAN Lab」を発表 2018-10-05 ジョージア工科大学とGoogle Brainの研究者らは、敵対的生成ネットワーク「Generative Adversarial Networks（GAN）」の学習プロセスを可視化するインタラクティブ視覚化ツール「GAN Lab」を発表しました。 論文：GAN Lab: Understanding Complex Deep Generative Models using Interactive Visual Experimentation 著者：Minsuk Kahng, Nikhil Thorat, Duen Horng (Polo) Chau, Fernanda B. Viegas, Martin Watte
BigGAN: A New State of the Art in Image Synthesis
“Best GAN samples ever yet? Very impressive ICLR submission! BigGAN improves Inception Scores by >100.” The above Tweet is from renowned Google DeepMind research scientist Oriol Vinyals. It was retweeted last week by Google Brain researcher and “Father of Generative Adversarial Networks” Ian Goodfellow, and picked up momentum and praise from AI researchers on social media. All the attention surrou
SRGANを用いた超解像
Introduction今回は、SRGANを用いた超解像について述べます。一般的に、超解像を行う際は補間を行っていくのですが、例えばopencvのresize関数の引数であるInterpolationを変えた時に、96✕96から4倍の384✕384へと解像度を高くした画像を以下に示します。以下に示すように、ギザギザが目立ったり、ぼやけています。そこで自然に見えるようにSRGANを用いて超解像を行いました。 出典: Christian Ledig et al., “Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network”ネットワーク構造を上記に示します。GeneratorはResidual BlockとPixel Shufflerを主体としています。今回はResidual Blo
キズナアイとねこますの声を入れ替える機械学習をした - Qiita
最近バーチャルユーチュ－バーが人気ですよね。自分もこの流れに乗って何か作りたいと思い、開発をしました。 モーションキャプチャー等を使って見た目を変えるのは かなり普及しているっぽいので、自分は声を変えられるようにしようと開発しました。 やったこと キズナアイさんとねこますさんの、それぞれの声を入れ替えられるようにしました。これによって、ねこますさんのしゃべった内容を、キズナアイさんの声でしゃべらせることができます。(逆も) 機械学習手法の一つであるCycleGANを用いて、変換するためのネットワークを学習しました。 パラレルデータ(話者Aと話者Bが、同時に同じ内容を話した音声)が必要ありません 。YouTubeから拾った音声でも変換ができます。 当然ですが、一度学習すれば、利用時には何度でも繰り返し利用できます。 期待できる効果 見た目だけでなく、声まで美少女になれます。やったね。 他にも
GANで犬を猫にできるか~cycleGAN編(1)~ - Qiita
はじめに 株式会社NTTデータ数理システムのitok_msiです。 みなさんご存知のように、GANを用いた画像変換が結果のセンセーショナルさもあいまって、注目を浴びています。 写真を絵画調にする、馬をシマウマに変換する、航空写真から地図を作成する、など様々な応用例が開発されています。 そこで、今回はその中でも比較的新しい手法であるcycleGAN [1]を使って「画像内の犬をポーズと毛並が似た猫に変換するモデル」を作成してみようと思います。 実は、犬を猫に変換するというタスクは、上に上げたような「馬をシマウマに変換する」「航空写真から地図を作成する」といったタスクとは微妙に異なるのですが、それに関しても後程説明します。 cycleGANは、2つのデータソース間の変換を学習するGANの一種です。 pix2pix[2]とは異なり、2つのデータソースのインスタンスが1対1に対応していなくても学習
櫟井唯ちゃんの画像を無限に生成する話りぴーと - ｼﾞｮｲｼﾞｮｲｼﾞｮｲ
joisino.hatenablog.com ▲昔の記事 前回の試みから二年以上経ちましたがまだゆゆ式二期は発表されません。(*1) 二期が発表されないためこの記事のタイトルものんのんびよりさんから拝借することになりました。 やはり今話題のディープラーニングでなんとかするしかなさそうです。 三行で説明して Progressive Growing GAN (Tero Karras et. al. 2017) を chainer で実装して櫟井唯さん（ゆゆ式）の画像を生成しました。 こんな感じのができました。（下の方にスクロールするともっとたくさんあります。） github.com レポジトリです。 Progressive Growing GAN とは 浅いネットワークで小さい画像を生成・識別することからはじめ、段階的にネットワークと画像を大きくしていく手法です。太古に流行った AE の事前学
【Progressive Growing of GANs for Improved Quality, Stability, and Variation】を読んだのでまとめる - St_Hakky’s blog
こんにちは。 GANの発音を、「ガン」 or 「ギャン」のどっちかと言われたら、「ガン」な私です(いやまぁ気持ちだけ…)。 さて、先日某つぶやきサイトに流れてくるつぶやきを眺めていたら、衝撃的な動画を見つけました。 ぐぉォォ。。。マジカ。 ＝＝ Progressive Growing of GANs for Improved Quality, Stability, and Variation https://t.co/Qp8d4N4zXr via @YouTube— Hakky@Julia勉強中(´･∀･) (@St_Hakky) 2017年10月28日 それが以下の動画です。 www.youtube.com これは、今回読んだ「Progressive Growing of GANs for Improved Quality, Stability, and Variation」というタイト
DRAGANでいらすとや画像を生成してみる - 緑茶思考ブログ
DRAGAN arXiv:https://arxiv.org/abs/1705.07215 “How to train your DRAGAN"というタイトルの論文で、 変なタイトルだなぁ..と思っていたが、 このタイトルの元ネタとして、アメリカの3DCGアニメがあるのを知った。 （日本名はヒックとドラゴンというらしい。この名前も初耳） www.youtube.com このDRAGANを使って以下のようないらすとや画像を生成したというのが本記事の主旨。 この生成画像は非常に綺麗。 この記事自体はお蔵入り予定だったが， 本日リリースされたchainerのGANライブラリの中に， 決して有名でないDRAGANが入っていて驚き， この記事を公開する意味もなくはないか，と気持ちを改め， これを機に成仏させることにした． この論文の概要 GANでは目的関数がnon-convexなので局所的なナッシュ
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
TFGANでFashion MNISTのGANをさくっと試す - Qiita
これはTensorFlow Advent Calendar 2017の22日目の記事です。 12/12にGoogleからTFGANがリリースされた。TFGANはTensorFlowでGenerative Adversarial Networks (GAN)を手軽に使えるライブラリ。さっそく触ってみたので、お手軽に試す手順を紹介したい。おそらく30〜60分ほどでこんなふうにFashion MNISTの画像が徐々に生成されていく様子が確認できるはず。 TFGANで生成したFashion MNIST画像 GANって何？ GANについては、アイドル顔画像生成やいらすとや画像生成などの事例で目にしたことのある人も多いはず。いわゆる生成モデルに分類される技法で、既存のデータを投入して学習すると、そのデータの特徴を捉えた新しいデータの生成を行える。2014年にIan Goodfellow他が考案したモデ
人工知能の注目トレンド「GAN：敵対的生成ネットワーク」とは
昨今の人工知能ブームの中心にある「ディープラーニング」。その発展によって、画像認識や音声認識、機械翻訳などの多くのタスクの性能が飛躍的に向上した。 そもそも、ディープラーニングがこれほどまでに有名になったきっかけは、2012年に開催された画像認識コンテスト(ImageNet Large ScaleVisual Recognition Challenge)だと言われている。カナダ・トロント大学のチームが約1200万画像・1000カテゴリの画像認識に対して初めてディープラーニングを適用し、圧倒的な精度を実証したのだ。彼らのチームは他に大きく差をつけ優勝。以来、同コンテストは毎年行われており、世界中の一流大学や研究機関が参加し、独自のアルゴリズムを競っている。 それから数年、ディープラーニングは画像分野などで急速に拡大し、さまざまな革新を起こしている。米フェイスブックやマイクロソフト、中国バイド
画像処理の数式を見て石になった時のための、金の針 - Qiita
画像処理は難しい。 Instagramのキレイなフィルタ、GoogleのPhoto Sphere、そうしたサービスを見て画像は面白そうだ！と心躍らせて開いた画像処理の本。そこに山と羅列される数式を前に石化せざるを得なかった俺たちが、耳にささやかれる「難しいことはOpenCVがやってくれるわ。そうでしょ？」という声に身をゆだねる以外に何ができただろう。 本稿は石化せざるを得なかったあの頃を克服し、OpenCVを使いながらも基礎的な理論を理解したいと願う方へ、その道筋(アイテム的には金の針)を示すものになればと思います。 扱う範囲としては、あらゆる処理の基礎となる「画像の特徴点検出」を対象とします(実践 コンピュータビジョンの2章に相当)。なお、本記事自体、初心者である私が理解しながら書いているため、上級画像処理冒険者の方は誤りなどあれば指摘していただければ幸いです。 画像の特徴点とは 人間が
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
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
GANを使って簡単に架空アイドル画像を自動生成（Progressive Growing of GANs） - まひろ量子のハックログ
DCGAN (Deep Convolutional GAN)：畳み込みニューラルネットワークによる敵対的生成
Learning to see: Gloomy Sunday on Vimeo
