Gần đây Google đã công khai giấc mơ sâu thú vị. Bên cạnh thế hệ nghệ thuật như http://deepdreamgenerator.com/ , bạn có thấy ứng dụng tiềm năng nào của giấc mơ sâu sắc trong tầm nhìn máy tính hoặc học máy không?
Gần đây Google đã công khai giấc mơ sâu thú vị. Bên cạnh thế hệ nghệ thuật như http://deepdreamgenerator.com/ , bạn có thấy ứng dụng tiềm năng nào của giấc mơ sâu sắc trong tầm nhìn máy tính hoặc học máy không?
Câu trả lời:
Đã có ít nhất một ứng dụng, nếu bạn diễn giải 'ứng dụng' đủ rộng: Mạng lưới thần kinh sâu tách rời cho phân đoạn ngữ nghĩa bán giám sát của Hong, Noh và Han . Họ sử dụng nó để phân chia hình ảnh . Các mạng nhận dạng hình ảnh tiêu chuẩn chỉ có thể cung cấp cho bạn một hộp giới hạn cho mỗi đối tượng được nhận dạng trên một hình ảnh. Nếu bạn muốn biết pixel nào tạo thành đối tượng đó, bạn phải thực hiện phân đoạn hình ảnh.
Về cơ bản, sau khi tìm thấy một con chó trên một hình ảnh, kiến trúc của Hong et al đã truyền bá lại tính chất của con chó thông qua mạng lưới thần kinh xuống mức pixel, để tìm ra các pixel chịu trách nhiệm nhất cho con chó xuất hiện. (Sau đó, họ sử dụng bản đồ nhiệt này làm đầu vào cho một mạng phân khúc được giám sát, không có giấc mơ sâu sắc trong phần đó.)
Đây đã là một bằng chứng tồn tại cho thấy ý tưởng Deep Dream có thể hữu ích bên ngoài thao tác hình ảnh. Nhưng tôi cũng sẽ không xem nhẹ thao tác hình ảnh. Tôi đề cập đến hai điều không phải là ứng dụng ngay lập tức của Deep Dreaming và hiện tại chúng tôi không có chúng, nhưng tôi có thể thấy một con đường hợp lý từ thuật toán Deep Dream ban đầu hướng tới:
đây là một ứng dụng rất mới và chỉ được trình diễn trong vài tuần qua. máy tính đang lọc hình ảnh để trông giống như những bức tranh theo phong cách đặc biệt của các nghệ sĩ khác nhau, ví dụ như Van Gogh, Picasso, v.v ... và có vẻ như công nghệ có thể bao gồm các phong cách nghệ thuật khác nhau, nó có thể được sử dụng để phát hiện giả mạo trong thế giới nghệ thuật ở một số điểm. (nhiều kỹ thuật phân tích rất tiên tiến được sử dụng trong lĩnh vực này trong lịch sử.) lưu ý rằng các phương pháp lọc rất phổ biến trên Instagram nên có vẻ như những phương pháp này sẽ có sẵn trên thị trường vào một lúc nào đó.
Không thể chứng minh âm bản, nhưng ngoài việc sử dụng cùng một hệ thống phát hiện mẫu để phát hiện hình dạng / hình ảnh và thay thế chúng bằng các hình ảnh tương tự khác, có thể được sử dụng để chỉnh sửa hình ảnh tự động hoặc tương tự, tôi không nghĩ nó có thật tiềm năng bên ngoài sửa đổi hình ảnh.
Tôi có thể phải xóa câu trả lời này nếu nó được chứng minh là sai.
Màu xám
Ví dụ:
http://s15.postimg.org/3xq8jx03f/image.jpg
đến
http://s15.postimg.org/i5fx8kcsb/image.jpg
http://s15.postimg.org/c5s64wrzv/image.jpg
Gỗ cây có vẻ đỏ bất thường nhưng vẫn không tệ. Điều này đã làm việc nhưng ít ấn tượng hơn với các hình ảnh thang độ xám khác mà tôi đã thử.
Nhận thức bối cảnh hẹp, bộ lọc thô tục trực quan.
Ở các thế giới khác, việc thể hiện quần áo phù hợp với thực tế và theo chủ đề / phong cách trên những người không đủ trang phục, để làm cho hình ảnh gia đình an toàn hơn.
Đó là ý tưởng, tuy nhiên tại thời điểm này, cả hai đều không đáng tin cậy và khi nó hoạt động không chính xác.
Tuy nhiên, việc điều chỉnh các tham số của giấc mơ nhiều hơn tôi có thể truy cập hoặc có thể chỉ cần sử dụng nhiều lần lặp hơn và giá trị "quãng tám" thấp hơn tôi có thể chỉ định sẽ khiến kết quả đáng tin cậy hơn nhiều.
Ví dụ:
Trước: http://s22.postimg.org/5sjpqbzoh/image.jpg
Sau: http://s22.postimg.org/wew6fb3vl/image.jpg
.