Icône de recherche Download.it
Advertisement

Traduction d'image à image avec des filets contradictoires conditionnels

Traduction d'image à image avec des filets contradictoires conditionnels

Vote : (44 votes)

Licence: Gratuit

Éditeur: GitHub

Fonctionne sous: Windows

Vote :

Licence

(44 votes)

Gratuit

Éditeur

GitHub

Fonctionne sous:

Windows

Les plus

  • Rend accessible aux amateurs certaines des technologies les plus sophistiquées disponibles aujourd'hui
  • Très facile à utiliser et produit des résultats en peu de temps

Les moins

  • La qualité du réseau neuronal peut être incroyablement irrégulière
  • Nécessite d'importantes manipulations pour produire des résultats plus avancés

Pix2Pix utilise des réseaux adverses conditionnels pour transformer de simples gribouillages en images plus complexes ressemblant à des photographies. Mais si la technologie qui sous-tend ce logiciel semble compliquée, le principe de base n'est pas trop difficile à comprendre. Pix2Pix utilise l'intelligence artificielle prédictive pour deviner à quoi un gribouillis est censé ressembler et puiser dans ses connaissances collectives pour produire la meilleure estimation possible d'une œuvre d'art. Si vous avez vu les images de chats ou les photos humaines transformées par le logiciel Tensorflow de Google, vous comprenez ce que Pix2Pix peut faire.

Pix2Pix promet qu'il peut utiliser l'apprentissage automatique pour transformer des images de base en peintures à l'huile, mais les résultats réels sont quelque peu douteux. L'apprentissage automatique n'a pas encore atteint le niveau permettant de reproduire le processus créatif humain, et les dessins au trait filtrés par le réseau neuronal de Pix2Pix oscillent souvent entre l'amateurisme et l'horreur. Mais à mesure que le logiciel et la technologie se développent, ils deviennent de plus en plus sophistiqués, et les gens les utilisent pour créer des résultats de plus en plus avancés. Il suffit de comparer les résultats actuels de Pix2Pix au site populaire edges2cats, qui a utilisé l'apprentissage automatique pour transformer des dessins au trait en résultats parfois drôles, parfois terrifiants. Les applications sont innombrables. Les utilisateurs ont recours à Pix2Pix pour ajouter des voitures sur des esquisses basiques d'une rue, transformer une vue satellite réelle d'un quartier en une carte linéaire nette et ordonnée, convertir une scène de jour en une scène de nuit, et créer des sacs à main photoréalistes à partir de croquis très simples. À l'extrémité supérieure du spectre, les créateurs utilisent même cette technologie pour morpher des figures en célébrités bien connues.

Le hic, c'est que la plupart de ces utilisateurs plongent profondément dans les composants utilisés par Pix2Pix. Sans une connaissance technique approfondie de ce logiciel, il est peu probable que vous obteniez des résultats aussi proches de ceux produits par ces développeurs de pointe. Heureusement, il peut être tout aussi important pour les utilisateurs occasionnels curieux de ce que l'apprentissage automatique peut offrir. Les étranges peintures à l'huile que les premières versions de cette application ont créées sont devenues un mème populaire sur les réseaux sociaux, et cela ne nécessite ni une connaissance sophistiquée du fonctionnement du logiciel ni un niveau particulièrement élevé d'aptitude artistique. L'interface est incroyablement facile à utiliser. Elle se compose simplement d'une boîte d'entrée et d'une boîte de sortie. Créez simplement un dessin au trait dans la première, et le réseau neuronal de Pix2Pix générera des résultats dans la boîte de sortie. Les deux peuvent être sauvegardés sous forme d'image png en cliquant sur un bouton, et les résultats vous sont renvoyés avec une rapidité surprenante. Gardez à l'esprit que le travail que vous produisez dépend à la fois de ce que vous êtes prêt à investir et des particularités uniques de l'apprentissage automatique.

Les plus

  • Rend accessible aux amateurs certaines des technologies les plus sophistiquées disponibles aujourd'hui
  • Très facile à utiliser et produit des résultats en peu de temps

Les moins

  • La qualité du réseau neuronal peut être incroyablement irrégulière
  • Nécessite d'importantes manipulations pour produire des résultats plus avancés