CVPR2021发布浪漫黑科技,带你沉浸式漫游宇宙!

2021/09/22 19:59
阅读数 26

在神舟十二号平稳落地的那一瞬

你是否像小编一样热血沸腾?

你是否也想像航天员一样遨游太空?

现在机会来了~

AI艺术风格迁移带你一起宇宙一日游!!!

3dcae8980b4de82931d8f25d7b2fae8e.png

ff210f4dfabe0b93b05d10bff43e0a81.png

e30d19967df7cee50017b5fbebade9d4.png

6c7dfb0ad441433fef993adae000d073.png

2e716028859beb37a6490847ba0678ae.png

LapStyle技术原理大揭秘

上面这项AI能力来源于飞桨生成对抗网络开发套件PaddleGAN,现在让我们来揭秘其背后应用的LapStyle风格迁移算法,它由百度视觉团队所研发,是一种基于拉普拉斯金字塔的高质量风格化方法,不仅兼顾风格迁移的质量和速度,还能灵活训练各类风格!

LapStyle核心思想是在低分辨率下迁移复杂纹理,再在高分辨率下对纹理的细节进行修正,进而能够渐渐地生成复杂的纹理迁移效果,实现在512分辨率下达到100fps的速度!!!不同于以往的深度学习风格化,兼顾质量和速度,是一种能够生成高质量风格化图的快速前馈风格化网络୧( ॑ധ ॑)୨

LapStyle网络整体框架如下所示,分为三步实现:

968cf28895b80086d31457253254edcd.png

1.    Drafting Network生成同分辨率的风格化结果

2.    Revision Network生成带有高分辨率风格化细节的残差图

3.    通过聚合低分辨率风格化结果和高分辨率残差图得到最终结果

其中,Drafting Network采用Unet+多尺度AdaIN的结构,核心目标是在低分辨率下迁移复杂纹理的雏形。

9bc5f0576fb911c65a7622ce0bc88e47.png

RevisionNetwork采用简单的encoder-decoder结构,进一步提升网络对复杂纹理的迁移能力,同时在训练中添加了一个Pixel-Discriminator判别器实现对抗性学习。

aae1962de93ce46a08479c1545e03197.png

总结一下,LapStyle可将复杂风格的迁移拆分为低分辨率下的初步迁移和高分辨率下的修正过程,实现风格化质量和速度的有效提升!

等不及想上手体验?还不快去项目首页一键运行!!!

https://github.com/PaddlePaddle/PaddleGAN/blob/develop/README_cn.md

记得扫码Star⭐,GET CVPR2021论文代码,立马GET宇宙飞船,傲游太空!

PaddleGAN AI能力大赏(づ。◕‿◕。)づ

除了宇宙漫游--LapStyle风格迁移,PaddleGAN还开源了许多厉害的AI能力!!!

包括人脸融合、人脸表情迁移、语音转唇形(声音对口型)、视频/照片修复(上色、超分、插帧)、人脸动漫化、照片动漫化、图像生成等十余种能力,令人大开眼界!

有奖互动

67b078016cbcde971fcf0beac1c2d690.png奖互动

#你希望用PaddleGAN的能力实现什么创意呢?#

1、评论区留言,我们将随机抽取3名同学送出百度定制积木熊1个

2、活动截至9月24日中午12点

8b492dbf3f88b2fe66cff1b7992992e7.png

29a222c46744fd0103b5041676170c1d.png

b69f16bd2ef02f8df3e12270bc311d9d.png

本文同步分享在 博客“飞桨PaddlePaddle”(CSDN)。
如有侵权,请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”,欢迎正在阅读的你也加入,一起分享。

展开阅读全文
加载中

作者的其它热门文章

打赏
0
0 收藏
分享
打赏
0 评论
0 收藏
0
分享
返回顶部
顶部