我相信你們大多數(shù)人都應(yīng)該聽說了GAN的強(qiáng)大。Gans也叫生成對抗網(wǎng)絡(luò)由Ian Goodfellow于2014年推出，自那以后起火。他們專注于執(zhí)行創(chuàng)造性任務(wù)，尤其是藝術(shù)創(chuàng)作。在2018年出現(xiàn)了大量基于GAN的項目，因此下面我們選擇幾個有趣的供大家學(xué)習(xí)。
讓我們從我最喜歡的一個開始吧。我想讓你花點時間欣賞上面的圖片。你能說出哪一個是人做的，哪一個是機(jī)器做的？我當(dāng)然不能。這里，第一幀是輸入圖像（原始），并且通過該技術(shù)生成了第三幀。該算法將您選擇的外部對象添加到任何圖像中，并設(shè)法使其看起來沒有任何觸摸它。請務(wù)必查看代碼并嘗試自己在不同的圖像集上實現(xiàn)它。這真的非常有趣。
如果我給你一個圖像并要求你通過想象捕獲整個場景時的樣子來擴(kuò)展邊界怎么辦？你可以理解地轉(zhuǎn)向一些圖像編輯軟件。但現(xiàn)在你可以用幾行代碼實現(xiàn)它！這個項目是Keras實施的斯坦福大學(xué)的圖像修復(fù)論文（非?？岷筒鍒D論文 - 這是大多數(shù)研究論文的應(yīng)用方式?。?。您可以從頭開始構(gòu)建模型，也可以使用此存儲庫作者提供的模型。深度學(xué)習(xí)的奇跡永遠(yuǎn)不會停止令人驚訝。
Visualizing and Understanding GANs
如果您尚未掌握GAN，請嘗試此項目。由麻省理工學(xué)院CSAIL部門的研究人員開創(chuàng)，它幫助您可視化和理解GAN。您可以通過檢查和操縱它的神經(jīng)元來探索GAN模型學(xué)到的東西。麻省理工學(xué)院的官方項目頁面有足夠的資源包括視頻演示來讓您熟悉這個項目。
此算法使您可以更改圖像中任何人的面部表情。它和它一樣令人興奮。上面的圖像位于原始綠色邊框內(nèi)，其余部分由GANimation生成。該項目github上有初學(xué)者指南，包括數(shù)據(jù)準(zhǔn)備資源以及Python代碼。
這個項目與我們之前看到的Deep Painterly Harmonization非常相似。它來自NVIDIA自己。如上圖所示，F(xiàn)astPhotoStyle算法需要兩個輸入包括樣式照片和內(nèi)容照片。然后，該算法以兩種方式之一工作以生成輸出 - 它使用照片級真實感圖像樣式代碼或使用語義標(biāo)簽映射。
個人微信公眾號：python練手項目實戰(zhàn)
更多機(jī)器學(xué)習(xí)算法的學(xué)習(xí)歡迎關(guān)注我的個人公眾號，里面有更多機(jī)器學(xué)習(xí)與深度學(xué)習(xí)的文章，希望能和更多學(xué)習(xí)機(jī)器學(xué)習(xí)的伙伴相互交流和成長。
