Deepnude算法“脱”衣服 原理分析及福利

本帖最后由 姬长信 于 2019-6-29 16:29 编辑

最近看到Deepnude算法“脱”衣服 很感兴趣便研究了下,水了篇文章,解析一下

首先文件如图

深度学习计算机视觉(猜测)

Image Inpainting

可以参考NVIDIA论文使用部分卷积和基于部分卷积的填充来修复不规则孔的图像。
纸质代码部分转换。论文地址:https://arxiv.org/abs/1804.07723和https://arxiv.org/abs/1811.11718

在Image_Inpainting实验测试(https://api.isoyu.com/Deepnude/Image_Inpainting(NVIDIA_2018).mp4)视频的图像界面中,您只需使用工具简单地涂抹图像中不需要的内容。即使形状非常不规则,NVIDIA的模型也可以非常逼真地“恢复”图像。图片填充了涂抹的空白。它可以被描述为一键式P图片,并且“没有ps痕迹”。该研究基于Nvidia的桂林 刘大佬的团队。姬长信也在持续关注他们,他们发布了一种可以编辑图像或重建已损坏图像的深度学习方法,即使图像穿了个洞或丢失了像素。这是目前2018国家最先进的方法。
Pix2Pix(需要配对数据)论文参考:https://arxiv.org/abs/1611.07004
下面是训练Pix2Pix模型200个epochs后产生的输出。

了解更多信息可以查看https://github.com/tensorflow/docs/blob/master/site/en/r2/tutorials/generative/pix2pix.ipynb

CycleGAN(无需配对数据)
CycleGAN使用循环一致性损失函数来实现训练,而无需配对数据。换句话说,它可以从一个域转换到另一个域,而无需在源域和目标域之间进行一对一映射。这开启了执行许多有趣任务的可能性,例如照片增强,图像着色,样式传输等。只需要源和目标数据集。
参考论文https://arxiv.org/abs/1703.10593

了解更多信息https://github.com/tensorflow/docs/blob/master/site/en/r2/tutorials/generative/cyclegan.ipynb
Windows版DeepNude使用过程
DeepNude可以真正实现图像到图像的目的,并且生成的图像更加真实。






ps:删除deepnude根目录中的color.cp36-win_amd64.pyd文件,然后

THE END
喜欢就支持以下吧
点赞1
分享
评论 抢沙发
  • 管埋员

    昵称

  • 取消
    昵称