De laatste tijd heb ik een Tensorflow poort gemaakt van pix2pix van Isola et al., gehuld in het artikel Picture to-Picture Interpretation in Tensorflow. Ik heb een paar voorbereide modellen genomen en een intuïtief webding gemaakt om ze een kans te geven. Chroom is voorgeschreven.

Het pix2pix-model werkt via het voorbereiden op sets van foto’s, bijvoorbeeld het bouwen van exterieurnamen tot het bouwen van fineren, en probeert daarna het bijbehorende opbrengstbeeld te produceren van elke informatiefoto die je het geeft. De gedachte is direct afkomstig van het pix2pix-papier, wat een fatsoenlijke doorleefde

Voorbereid op ongeveer 2k stock feline foto’s en randen natuurlijk gemaakt van die foto’s. Creëert katachtige gearceerde artikelen, sommige met slechte droomgezichten. De beste die ik op dit punt heb gezien was een katachtige toeschouwer.

Een deel van de foto’s ziet er bijzonder vreselijk uit, ik denk omdat het eenvoudiger is om te zien wanneer een wezen er verkeerd uitziet, vooral rond de ogen. De automatisch herkende randen zijn niet uitstekend en hebben de ogen van de katachtige over het algemeen niet geïdentificeerd, wat het een stuk moeilijker maakt om het foto-interpretatiemodel voor te bereiden.

Voorbereid op een database van het bouwen van fineer voor het bouwen van exterieurs. Het lijkt niet veilig te zijn om een enorme leegte te beheren, maar in het geval dat je er genoeg ramen op zet, heeft het vaak verstandige resultaten. Teken “scheidings”-schermvormen om dingen uit te roeien.

Ik had de namen van de verschillende stukken bouwfineer niet, dus ik dacht gewoon aan wat ze heetten.

Voorbereid op een database van ~50k schoen foto’s verzameld van Zappos langs de randen geproduceerd van die foto’s natuurlijk. In het geval dat je geweldig bent in het tekenen van de randen van schoenen, kunt u proberen om een aantal nieuwe structuren te creëren. Vergeet niet dat het is voorbereid op echte items, dus op de uit kans dat je meer 3D-dingen te tekenen, lijkt het beter te werken.

Net als de vorige, voorbereid op een database van ~137k satchel foto’s verzameld uit Amazonië en natuurlijk geproduceerd randen van die foto’s. Bij de kans dat je hier een schoen tekent in plaats van een draagtas, krijg je een vreemd afgewerkte schoen.

Uitvoering

De modellen werden voorbereid en verzonden met de pix2pix.py inhoud van pix2pix-tensorflow. De intelligente demo is gemaakt in javascript met behulp van de Canvas Programming interface en draait het model met behulp van Datasets segment op GitHub. Elk van de ontladingen in de buurt van het eerste pix2pix-gebruik zou toegankelijk moeten zijn. De modellen die gebruikt worden voor het gebruik van javascript zijn toegankelijk op pix2pix-tensorflow-modellen.