[PYTHON] Ich habe versucht, Essen mit SinGAN zu bewegen

Einführung

Es tut mir leid, Sie im leeren Raum von Hersteller / Counting Adventskalender 2019 zu stören.

Vor kurzem habe ich mit "SinGAN" herumgespielt, daher werde ich die Ergebnisse grob zusammenfassen. SinGAN ist ein Papier, das zu einem heißen Thema wurde, weil es auf der ICCV 2019 als bestes Papier ausgewählt wurde. Neben dem Lernen mit nur einem Bild, um ein Bild jeder Größe mit denselben Funktionen zu erstellen, ist es auch großartig.

Papier: https://arxiv.org/abs/1905.01164 Code: https://github.com/tamarott/SinGAN Video: https://youtu.be/xk8bWLZk4DU

Was mehr ist, ** Ich kann es leicht mit einem Image und einer GPU versuchen **. Es ist auch ein schöner Punkt. Mit einer GPU dauerte es mehrere Stunden, um jedes Mal in meiner Umgebung zu lernen.

In Bezug auf den Inhalt der Dissertation muss ich frühzeitig eine Masterarbeit schreiben. Es gibt andere Leute, die sie bereits erklärt haben, deshalb werde ich sie hier weglassen. Ich habe mehrere Fälle allein in Qiita gefunden.

• [SinGAN] Aktiviert verschiedene Bilderzeugungsaufgaben aus nur einem Bild
• [Artikelkommentar] SinGAN: Lernen eines generativen Modells aus einem einzelnen natürlichen Bild
• ICCV2019 Best Paper "SinGAN" Ich habe es kurz gelesen und zusammengefasst

Übrigens werde ich in diesem Artikel verschiedene Funktionen (hauptsächlich Animation) gemäß SinGANs README ausprobieren. Wenn Sie reproduzieren möchten, klonen Sie das Repository. Bleib hier.

Darüber hinaus wird das Ergebnis des Spielens mit SinGAN unter #SinGAN ausführlich getwittert.

Animation Verwenden Sie diesen Befehl in einer Aufnahme, um ein Video aus einem Standbild zu erstellen.

$ python animation.py --input_name <input_file_name> 

Ramen

Zunächst aus dem klassischen Ramen. Diese leckeren Ramen ... Diese Straße sieht lebhaft und lecker aus!

Was ist mit Jiro Ramen? Dieser gekühlte Chinese ... Diese Straße sieht lebhaft und lecker aus!

Pizza

Diese Pizza ist ... Diese Straße ist heiß und frisch!

Schüssel Reis mit Sashimi belegt

Diese Meeresfrüchte-Schüssel ist ... Diese Straße ist frisch!

Dieser Cafe Latte ist ... Diese Straße sieht lebhaft und lecker aus!

"Schrei"

Munchs "Schrei" ... Diese Straße. Das Ego bricht zusammen!

Blaue Höhle (für Shibuya)

Die Illuminationen von Shibuya ... Das ist richtig. Ich denke, das war der richtigste Weg, es zu benutzen.

Harmonization Um die Collage natürlich zu machen, müssen Sie zuerst das Modell trainieren. Geben Sie das Hintergrundbild an.

$ python main_train.py --input_name <input_file_name>

Der zweite Befehl harmonisiert das ausgeschnittene und eingefügte Bild und das Maskenbild. Dies wird sofort abgeschlossen.

$ python harmonization.py --input_name <training_image_file_name> --ref_name <naively_pasted_reference_image_file_name> --harmonization_start_scale <scale to inject>

Ich habe hier auf die Erstellung des Maskenbildes verwiesen. [Erstellen Sie mit Gimp - Urusu Lambda Web ein Schwarzweißmaskenbild eines bestimmten Bereichs](https://urusulambda.wordpress.com/2018/07/23/gimp%E3%81%A7%E7%89%B9%E5% AE% 9A% E9% A0% 98% E5% 9F% 9F% E3% 81% AE% E7% 99% BD% E9% BB% 92% E3% 83% 9E% E3% 82% B9% E3% 82% AF% E7% 94% BB% E5% 83% 8F% E3% 82% 92% E4% BD% 9C% E6% 88% 90% E3% 81% 99% E3% 82% 8B /)

Übrigens, dieses Mal möchte ich den Weihnachtsmann mit Monets "Seerosen" synthetisieren. Dieses ausgeschnittene und eingefügte Bild ist ... Es sieht so aus. Es ist klein und schwer zu sehen.

Super Resolution SinGAN kann auch superauflösend sein, also vergrößern wir das vorherige Bild. Dieser Befehl ist ein Schuss. Wenn nichts angegeben ist, werden Höhe und Breite vervierfacht.

$ python SR.py --input_name <LR_image_file_name>

Fröhliche Weihnachten! Ich wünsche dir ein schönes Jahr!

Bonus

Ich habe versucht, berühmte Gemälde und Pokemon mit Harmonization und SR zusammenzuarbeiten.

Wakaoka Ito und Houou.

Turner und Lugia.

Beide sind nicht gut. Ich kenne das Talent der Harmonisierung immer noch nicht.