Real-Time Style TransferのChainerによる実装「chainer-fast-neuralstyle(7月19日版)」で、画像の高速スタイル変換を試してみました。 なお、Real-Time Style Transferの詳細は、以下の論文をご覧ください。 Justin Johnson, Alexandre Alahi, Li Fei-Fei, “Perceptual Losses for Real-Time Style Transfer and Super-Resolution” この論文のJustin Johnsonさんは、以下の記事で使用したneural-styleの作者でもあります。 chainer-fast-neuralstyleによる高速画風変換 準備 Chainerは、Ubuntu 14.04にインストールしたChainer 1.7.1を使用します。 こ
写真をピカソやゴッホのようなスタイルに変換できるアプリPrismaが話題になりました。多くの人は、ディープラーニングが使われているかどうかとは関係なく、純粋にアプリを楽しんでいるのだと思います。 このようにディープラーニングを使った人気アプリが出てくるということは非常に良いことではないかと思います。今回は、Prismaの背景技術(と思われるもの)を解説していきます。 目次 基礎理論 実装 改善 高速化 まとめ 基礎理論 ディープラーニングを使ったアート系の論文は色々と出ていますが、一番基礎となる論文はGatys et al. 2016ではないかと思います。プレプリント版は2015年8月に出ています。 この論文は記事として取り上げられて話題になっていたりもしたので、知っている人も多いのではないかと思います。この章では、スタイル変換の基礎となるこの論文を解説していきます。 Gatys et a
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