画工太渣没关系,这款深度学习工具拯救你

多年以来,Adobe 领先的图像处理技术已经为该公司在这个行业奠定了牢固的创新和影响力地位。不过随着近年来竞争对手的增多,为了继续保持这一领先地位,Adobe 已经做好了全力以赴的准备。

据国外媒体The Next Web 报道,近日,Adobe 与伯克利大学的研究人员联手,开发了一款全新的智能图像编辑软件。该软件名为 iGAN,使用深度学习技术,以帮助用户更加逼真地实时编辑图像。结果让人大吃一惊。

研究人员通过实验发现了把使用者寥寥几笔的简笔画转化成照片般逼真的图像的方法。这款深度学习工具会受到笔触效果颜色和形状的启发,参考用户画笔输入数据,使得系统中的智能绘画界面能自动生成图像,通过智能算法展现出非常逼真的照片。在没有源图像的情况下, iGAN 将生成出一个之前完全没有出现过的图像结果。

举个例子,当用户在绘画界面简单地画了几条水平的绿线之后,深度学习工具就能根据这个基本景观,在界面的顶部添加一些灰色三角形,并且最后生成一个照片般逼真的山型。

不仅如此, iGAN 还能够更加智能地修改绘画对象的不同颜色、大小、甚至是形状。深度学习工具能够对特定对象,使用智能算法将其变形。并且这种变化几乎是瞬间完成的。

比如,使用者可以上传一张大手提包的照片,然后启动该工具。iGAN 可以智能地改变手提包的大小、颜色、甚至是材质,并且自动生成3D图形,让你能够亲自变身设计师,对你的包包进行全方面的设计改造。(当然,这只是在照片上才能实现,它还没先进到能够把你设计的东西变成实物。但起码,你可以看看新买的手提包如果换个颜色或者小一号会不会更好看)视频链接

或者,你想试试把新买的鞋子换个颜色,iGAN  也能帮你轻松达成愿望。(不过这个蓝色的好丑!)

与这款深度学习工具一同让人记住的,还有在 ECCV 2016 接收的的论文《在自然图像流形上的生成式视觉操作》 。(Generative Visual Manipulation on the Natural Image Manifold )

论文中提到,该系统中的交互视觉工具能理解并可视化深度生成模型。通过与该生成模型交互,开发者能理解该模型可生成什么视觉内容,也有助于理解模型的缺陷。

由于真实图像流形上的操作具有挑战性,它需要以一种用户可控的方式调整图像外貌,还要保留结果的真实性,除非用户有非常卓越的绘画功底,不然在编辑时候很容易减少自然图像的流形。而该工具的研究者定义了一类图像编辑操作,并依赖一直学习到的流形束缚它们的输出。该模型能自动调整输出,使得所有的编辑都尽可能真实、所有的处理方法都能够最优化地表达,并且几乎都是在实时的情况下发生。

如果你也对这款图像处理工具感兴趣,可以参看这篇论文:Generative Visual Manipulation on the Natural Image Manifold

Via the next web

推荐阅读:

Adobe旗下Premiere软件更新VR视频剪辑功能

Adobe云协作平台,让创作者们再也不需要纸和笔

本文作者:刘子榆

本文转自雷锋网禁止二次转载,原文链接

时间: 2024-08-31 21:05:22

画工太渣没关系,这款深度学习工具拯救你的相关文章

AI 战略剑指GPU,英特尔Nervana 平台将推首款深度学习芯片

2016年11月17日,英特尔公司宣布推出一系列涵盖从前端到数据中心的全新产品.技术及相关投资计划,旨在拓展人工智能(AI)的发展空间并加速其发展速度. 英特尔首席执行官科再奇近期分享了英特尔对人工智能的前景及复杂性的洞察,他指出,人工智能需要众多的领先技术的支撑,以及一个可超出初期采用者范围的更大规模的生态系统.随着目前的算法日益复杂以及所需数据集的不断增加,科再奇表示,英特尔深刻知道如何满足需求且完全有能力提供所需的技术来驱动这一计算转型. 战略要点:英特尔 Nervana 平台 英特尔宣布

给深度学习工具新手的一封信

企业需要充分利用已有的大量非结构化数据,而深度学习应用程序无疑是帮助企业完成数据分析等工作的好帮手. 在Twitter公司,Hugo LaRochelle的工作是研究社交网络用户彼此联系的方式,以及想要对内容(包括微博.图片和视频)进行分类和推广,哪些东西会引起他们的兴趣.为了顺利完成这一任务,他和他的同事们使用了一种新兴技术:深度学习工具. LaRochelle分享了在波士顿"深度学习峰会"上发表的演讲.深度学习属于机器学习的范畴,可以解决一些复杂的问题,如用自然语言解释图像或文本.

索尼免费开放其深度学习工具”核心库”

文章讲的是索尼免费开放其深度学习工具"核心库",近日,索尼公司今日宣布其"神经网络库"(Neural Network Libraries)现以开放源代码的形式供公众使用,该库可作为开发人工智能深度学习程序的框架.软件工程师和设计师现在能充分利用这些免费的核心库,用于研发深度学习程序并将其融入到产品或服务中.转为开放源代码也是为了让研发队伍能在现有核心库程序的基础上更进一步. 深度学习是指一种使用模拟人脑的神经网络的机器学习形式.通过转向基于深度学习的机器学习,过去几

谷歌之后,亚马逊开源深度学习工具 DSSTNE

五个月以前,谷歌将自己的深度学习系统 TensorFlow开源. 而如今,亚马逊也决定,跟随谷歌的脚步将自己的深度学习软件开源.目前,你可以在 Github 上看到相关的源代码,项目名为 DSSTNE(读作 destiny). 亚马逊在开源项目下面的留言问答中解释了它们开源的动机:"把 DSSTNE 开源,人类对于深度学习的研究将不止于语言理解及视觉识别,智能搜索和推荐将得到更广泛的研究和讨论.我们希望和世界上的顶级研究者们合作,一起提升这方 面的研究进程.但最重要的是,我们希望这方面的研究思路

【新智元人工智能创业家】陈天石:寒武纪,全球首款深度学习专用处理器

日前,GPU巨头企业NVIDIA宣布推出致力于加速人工智能和深度学习的芯片Tesla P100,以及全球首款面向深度学习的超级计算机DGX-1.不过,在陈天石看来,NVIDIA的这一系列组合拳对服务器市场虽然会有较大影响,但由于价格太高,只有大公司才买得起单,而且也只是因为市场上暂时没有替代品.   "未来NVIDIA的这个市场仍面临低成本专用处理器和FPGA的冲击,"陈天石说:"大家可以看老黄说的话,他特意提了这两类解决方案,正说明NVIDIA也意识到它们对自身地位的冲击.

GitHub 上 57 款最流行的开源深度学习项目

GitHub 上 57 款最流行的开源深度学习项目 本文整理了 GitHub 上最流行的 57 款深度学习项目(按 stars 排名).最后更新:2016.08.09 1.TensorFlow 使用数据流图计算可扩展机器学习问题 TensorFlow 是谷歌的第二代机器学习系统,按照谷歌所说,在某些基准测试中,TensorFlow 的表现比第一代的 DistBelief 快了2倍. TensorFlow 内建深度学习的扩展支持,任何能够用计算流图形来表达的计算,都可以使用 TensorFlow.

深度学习训练,选择P100就对了

1.背景 去年4月,NVIDIA推出了Tesla P100加速卡,速度是NVIDIA之前高端系统的12倍.同年9月的GTC China 2016大会,NVIDIA又发布了Tesla P4.P40两款深度学习芯片.Tesla P100主攻学习和训练任务,而Tesla P4&P40主要负责图像.文字和语音识别. 同为Pascal架构且运算能力接近的P100和P40常常被拿来对比,单看Spec上运算能力,似乎P40比P100的深度学习性能更好,但实际上呢?本文就通过使用NVCaffe.MXNet.Te

【深度学习框架大PK】褚晓文教授:五大深度学习框架三类神经网络全面测评(23PPT)

香港浸会大学褚晓文教授团队在2016年推出深度学习工具评测的研究报告,并在2017年年初发布更新,引起广泛关注.见新智元报道< 基准评测 TensorFlow.Caffe.CNTK.MXNet.Torch 在三类流行深度神经网络上的表现(论文)>,2017年初版本的评测的主要发现可概括如下: 总体上,多核CPU的性能并无很好的可扩展性.在很多实验结果中,使用16核CPU的性能仅比使用4核或8核稍好.TensorFlow在CPU环境有相对较好的可扩展性. 仅用一块GPU卡的话,FCN上Caffe

深度学习在 iOS 上的实践 —— 通过 YOLO 在 iOS 上实现实时物体检测

本文讲的是深度学习在 iOS 上的实践 -- 通过 YOLO 在 iOS 上实现实时物体检测, 原文地址:Real-time object detection with YOLO 原文作者:Matthijs Hollemans 译文出自:掘金翻译计划 译者:Danny Lau 校对者:Dalston Xu ,DeepMissea 深度学习在 iOS 上的实践 -- 通过 YOLO 在 iOS 上实现实时物体检测 译者注: 在阅读这篇文章之前可能会遇到的一些名词,这里是解释(我自己也查了相当多的资