华盛顿客户端下载最高占成:AI 换脸冲上 GitHub TOP1,如何一键生成亲妈都不认识的自己?

本文来源:http://www.2233033.com/www_3dmgame_com/

菲律宾申博娱乐登入,所以在这里奉劝那些没有内容资源又技术不深的厂商,把握好转型时机,这些坑你都必须得填,你不填就得掉下去,那才万劫不复!  ●白电厨卫:提升品质需求拒绝原地踏步  白电行业并不像黑电那样受到的“诱惑”那么大,因为白电的各项技术成型确实都比较早,一直都是处于缓慢的更新当中,但无可否认的是白电的发展确实遭遇了瓶颈,一度大家都认为白电并没有什么技术发展可言了,不过,在这一阶段,日系以及德系的厂商发挥了重要作用,因为他们把人们的生活理念转变了!  品质生活需要更好的白电产品  大家对于冰箱,空调,洗衣机以及厨房家电的最初认知是什么代替人的劳动,达到节省体力,仅此而已!但目前的白电都在传递着一个概念即是让你享受到更有品质的家庭生活,细化到产品层面来理解,即冰箱我需要更大的容量满足一个家庭的需求,需要更多的分区来满足不同食材的分类储藏需求,需要风冷技术来保证我不用手动除霜,需要除菌技术保证我的饮食健康...以此类推!  用户对于冰箱可能有更多需求  所以,目前以及今后白电产品线的大趋势都是让整个家庭的幸福感得到提升,我们对于洗衣机可能要求它能洗羽绒服,洗一整床被子,并且可以达到达人和孩子的衣服分开来洗,例如双筒洗衣机,可以无水洗涤只是除味,例如除味洗涤功能...,所以白电和黑电的不同是,白电需要厂商有一些新的思路能让用户得到更好的生活品质提升!  优质厨电成为共同需求  回家吃饭是大家经常说的话题,由于各种食品问题的出现,以及大家对于家庭概念的重新认知,厨电也成为目前增长最快的家电产品,厨电产品未来走的路应该更迎合年轻人的消费特点,操作简单,使用方便,并且一些善后型的产品比如油烟机,洗碗机,垃圾处理器等也要做到配套推出,从各种行业数据来看,未来的厨电行业预计将迎来爆发式的增长,机会颇多!  ●生活家电:细化分类提升产品体验  生活家电大致可以分为两类,家庭型和个人型,像我们日常使用的吸尘器,扫地机,料理机等属于家庭型;而像吹风机,剃须刀,电动牙刷等则属于个人型!这些产品的出现可以说极大的提升了我们的生活品质,不过也有不少人在购买之后后悔,认为这些产品对于生活品质提升非常有限!  扫地机器人依旧饱受诟病  首先来说说饱受诟病的扫地机器人,虽然目前带有路径规划,拥有更强爬坡能力以及更高续航的扫地机不在少数了,但大家始终觉得这个东西还是没有多少存在感,噱头的意味大于实际使用!而且扫地机的生产厂商在产品体验优化上也确实做得不够,比如家里有地毯和无地毯是不是应该区别对待,空间小的家庭是不是有对应的小型产品型号做补充,对于要养宠物的家庭毛发处理是不是能够过关,这些日常细节的使用体验提升都是留给扫地机厂商的难题!  高端产品的实际体验提升不明显  而对于像个护类的产品,实用性的好坏则体现的更为明显,而且还有性价比的问题,比如朋友经常问我的一个问题,一个价值千元的剃须刀和几十元的剃须刀的区别是什么,我可以告诉他从做工,电机,刮头上二者有明显区别,但在体验上实话是活,你的微妙感觉心理作用成份太大了,所以忠告个护家电厂商,你们应该在产品体验提升上多下功夫,少做些炫硬件的面子活儿!  ●健康家电:不做虚假营销亟待新标准  健康家电其实包含的产品线很多,但目前大家比较关注的两个产品线也就是净水器和空气净化器了,空气净化器从2011年雾霾肆虐以来经过近五年的发展已经历经了多次的行业洗牌,随着今年空净新国标的颁布,目前市场上真正盈利存活的品牌其实并不多了,但问题其实依旧严峻!  有大批空气净化器虚标严重  空气净化器的低门槛使得厂商期待在这个产品上谋取暴利,比如参数虚标,劣质组件采购,打智能化的噱头等等,所以目前空气净化器存在的技术问题即是产品的基本性能不过关,并且各个厂商对于风道的设计没有统一的解决方案,有的认为塔式好,有的认为传统式好,基本上都是厂家各执一词,而且滤网的更换提醒功能,有些业内人士也直言说就是鸡肋,但依旧成为了厂商营销的噱头,所以对于上述问题,如果空气净化器厂商能都做好,那么其产品也必然受到消费者的欢迎!  净水器行业亟待整顿  净水器行业从最开始的单纯过滤,到目前的超滤和RO的分庭抗礼,可以说这也是一个亟待整顿的行业,目前RO的声量已经基本盖过超滤,但RO的完全过滤可能会让水中的有益矿物质也同样被过滤到,所以目前净水器行业需要出现一个行业新标准来告诉大家哪些净水器是真正值得我们购买的,如果各大厂商如果能够抓住这个节点也能够让自己的产品先声夺人!国际社会更加重视中医药价值。现在,京东报价20999元,感兴趣的朋友不妨留意一下,产品实际价格以及最新促销资讯以电商网站实际为准。你在下面的广告片中可以听到,其中一个学生有意无意地谈论了苹果的Mac电脑,认为现在他们在SurfaceBook上所做的事情,在macOS系统设备上是不可能完成的。

  苹果TouchBar面临诸多的挑战  苹果还有许多需要提升的地方。可穿戴设备给消费者带来的新鲜感已不复存在,作为行业领导者的美国企业Fitbit要想生存下去,应该把产品从人们“喜欢用”发展到“必需用”的阶段。  以芯片为例,除了核心处理器,一部iPhone还需要蜂窝网络、传感器、nfc控制器、驱动器、射频放大器和接收器等等芯片。  RavenH-1不同于市面上其他的智能控制产品,其采用人工智能驱动的模块化设计,包含H-Base(主机)和H-Port()、H-View(屏幕)、H-Sound()三个独立模块。

拥有音乐平台账号即可享受音乐服务。那段时间,经常前一秒还在聊天,导演一喊action,我们马上就变成七月与安生了。被两位演技担当轮番“调戏”的沙宝亮,出乎意料表示想进军电影界,期待有机会再次与姜武、蒋勤勤一起演戏。经报警人辨认图片,确定该条QQ消息中所要出售的自行车正是其在理工大学校园内被盗的车辆。

投稿作者 |?Jack Cui

人脸

人脸乃人之门面,在这看「颜」的时代,「颜」即正义。

出门前,都会特意看看自己的脸打扮得是否满意,而没有人会特意看看自己的脚趾窝是否干净。

生活中,人脸是人们关注的重点。技术上,人脸同样也是研究者关心的话题。

因为人脸,包含了太多有价值的信息。

颜值高低,相貌美丑,喜怒哀乐,爱恨情仇,尽在其中。

人脸识别、人脸检测、情绪分析、人脸搜索、人脸比对、颜值评分,这琳琅满目的人脸技术,逐渐走进人们的生活。

百变的人脸,也是百变的人生。

仪表堂堂也好,样貌平平也罢,每个人脸的背后,都有一段段岁月,一段段风光,还有那独一无二的人生。

但,你有没有想过,你看到的一张人脸,可能从未存在于这个世界。

「This person does not exist.」

ALAE

高清「人脸生成」算法,你知道多少?

曾经风靡一时的 StyleGAN,给人们带来很多震撼,逼真的肖像,你根本分不清,哪张图片是算法生成的。

看一下 StyleGAN v2 人脸生成的效果:

这些人脸,都是算法随机生成的。

有人还特意用 StyleGAN v2 做了一个酷炫的网站,随机生成百变的人脸。

你每刷新一次网页,它都会给你一张随机生成的人脸肖像。

URL:

/thispersondoesnotexist_com/

StyleGAN 很酷炫,但它并不是今天的主角。

最近,刚刚开源,并被 CVPR 2020 顶级会议收录的 ALAE 才是。

ALAE 是一种新型自编码器,全名叫「Adversarial Latent Autoencoder」。

它与 StyleGAN 一样,都是一种无监督方法。不同的是,ALAE 采用的是自编码器(AE),StyleGAN 采用的是生成对抗网络(GAN)。

ALAE 不仅可以随机生成肖像,它甚至可以编辑生成肖像的人脸属性。

你可以改变图像中人脸的性别、年龄、笑容、发质,也可以改变他们的性感程度、丰满程度、嘴唇和鼻子的大小等等。

没错,这是 ALAE 生成的人脸,我们可以调整肖像的性别,看下她的“亲兄弟”可能长什么样?

你甚至可以“控制”她的喜怒,秒变严肃脸或大笑脸。

更妙的是,秒变年龄,看看这美貌容颜。

当然,这属性也不能调节的太“过”,容易出“事故”。

我“裂开”了!

想玩 ALAE 吗?

算法原理、环境搭建、算法测试,一条龙服务,尽在下文!

算法原理

想要了解 ALAE,那必须先知道什么是自编码器。

自编码器是一种能够通过无监督学习,学到输入数据高效表示的人工神经网络。

输入数据的这一高效表示称为「编码」,其维度一般远小于输入数据,使得自编码器可用于降维。

更重要的是,自编码器可作为强大的「特征检测器」,应用于深度神经网络的预训练。

此外,自编码器还可以随机生成与训练数据类似的数据,这被称作「生成模型」。

编码(就是输入数据的高效表示)是自编码器在一些限制条件下学习恒等函数的副产品。

举个高效的数据表示的例子:

下面有两组数字,哪组更容易记忆呢?

  • 40, 27, 25, 36, 81, 57, 10, 73, 19, 68

  • 50, 25, 76, 38, 19, 58, 29, 88, 44, 22, 11, 34, 17, 52, 26, 13, 40, 20

乍一看可能觉得第一行数字更容易记忆,毕竟更短。

但仔细观察就会发现,第二组数字是有规律的:偶数后面是其二分之一,奇数后面是其三倍加一(这就是著名的 hailstone sequence)。

如果识别出了这一模式,第二组数据只需要记住这两个规则、第一个数字、以及序列长度。如果你的记忆能力超强,可以记住很长的随机数字序列,那你可能就不会去关心一组数字是否存在规律了。

所以我们要对自编码器增加约束来强制它去探索数据中的模式。

记忆、感知、和模式匹配的关系在 1970s 早期就被 William Chase 和 Herbert Simon 研究过。

他们发现国际象棋大师观察棋盘 5 秒,就能记住所有棋子的位置,而常人是无法办到的。

但棋子的摆放必须是实战中的棋局(也就是棋子存在规则,就像第二组数字),棋子随机摆放可不行(就像第一组数字)。

象棋大师并不是记忆力优于我们,而是经验丰富,很擅于识别象棋模式,从而高效地记忆棋局。

和棋手的记忆模式类似,一个自编码器接收输入,将其转换成高效的内部表示,然后再输出输入数据的类似物。

自编码器通常包括两部分:encoder(也称为识别网络)将输入转换成内部表示,decoder(也称为生成网络)将内部表示转换成输出。

如下图所示,左侧为象棋大师的记忆模式,右侧为一个简单的自编码器。

ALAE 就是基于这种原理的新型自编码器。

ALAE 将生成器 G 和判别器 D 分别分解成两个网络:F、G 和 E、D。

同时,参考 StyleGAN,设计了 StyleALAE,也就是我们用于生成人物头像的那块网络结构。

要想更详细的了解 ALAE 的原理,那就得“啃”论文了。

论文地址:

/arxiv_org/pdf/2004.04467.pdf

这里就不堆公式了,容易看困。

环境搭建

ALAE 完全开源,可以放心“食用”。

项目地址:

/github_com/podgorskiy/ALAE

可以直接下载 ALAE 项目的 ZIP 包。

或者使用 git clone 下载。

git?clone?/github_com/podgorskiy/ALAE

源码下载完成后,开始配置开发环境。

环境搭建,强烈建议使用 Anaconda,无论你是做爬虫也好,还是做深度学习算法也罢,选它准没错!

Anaconda 是一个针对 Python 的开源的包、环境管理器,用了它,安装各种第三方库,一切都变得很简单,再也不必为 pip 安装缺少依赖而头疼。

人生苦短,我用 conda 。

Anaconda 的使用,这里就不多介绍了,毕竟本文不是针对 conda 使用的教程,不懂的读者,可以搜搜 Anaconda 的安装和使用教程。

回归正题。

ALAE 对机器有一定的要求。

首先,你的机器必须有 GPU,并配置好 GUDA 和 cuDNN。

安装 CUDA 需要去官网,找到 NVIDIA 官网,找匹配机器显卡的 CUDA 安装。

CUDA 下载地址:

/developer_nvidia_com/cuda-downloads

比如,我的系统是 Windows,显卡是 RTX 2060 super。那么,我就可以下载并安装 CUDA10。

安装好 CUDA 后,可以在 Anaconda 环境中,直接安装 cuDNN。

conda?install?cudnn

很简单是吧?

需要注意的是,ALAE 运行需要图形界面,所以如果是 Linux 系统,需要是 Ubuntu 这类有操作界面的。

一个标准的开源项目,都有会 requirements.txt,这里有你需要安装的依赖说明。

ALAE 的依赖:

可以看到,这个项目是使用 pytorch 1.3.0 以上的版本,还用了很多 numpy、sklearn 这些常规库。

这些都很好安装,只需要使用 conda install 安装即可,也可以用 pip install 安装。

这里面有一个“坑”,就是安装 bimpy,bimpy 是 ALAE 运行的图形界面,需要一些系统环境的依赖。

bimpy 项目地址:

/github_com/podgorskiy/bimpy

Windows 需要安装 MSVC 14.0,我已放到我的百度云(提取码:vjw9 ):

链接:

/pan_baidu_com/s/1BbM5jeTc2b7OxYzsxQK3mw

安装好 MSVC 14.0 后,就可以顺利安装 bimpy。

Linux 直接使用 apt-get 安装即可:

sudo?apt-get?install?mesa-common-dev?libxi-dev?libxinerama-dev?libxrandr-dev?libxcursor-dev

环境配置完成,就可以开始测试了!

算法测试

算法学习,从做好「调包侠」开始。

环境搭建、算法跑通,是「调包侠」的基本素养。

深度学习算法,怎么能少得了 「pre-trained model」。

想要跑效果,还得下载开源的预训练模型。

如果配置了 VPN,采用全局模式,可以直接从 Google Drive 或 备用源下载预训练模型。

在项目工程目录里,直接运行如下命令:

python?training_artifacts/download_all.py

可以看下这个下载代码:

可以看到,一共需要下载 7 个 model。如果不能从 Google Drive 下载,会通过 亚马逊 AWS 服务器下载。

但遗憾的是,国内从 AWS 下载可能仅 10 KB。

我把这些 model 上传到了我的百度云(提取码:in5l):

链接:

/pan_baidu_com/s/19GFKLTWu00jB3Qp4lsyAYw

有百度云会员的读者,可以下载。

一共有 4 种预训练模型,bedroom、celeba、celeba-hq256、ffhq,这是针对 4 种数据集的模型。

预训练模型下载好,放到 training_artifacts 下对应的文件夹内即可。

至此,预训练模型准备完毕。

在工程目录,使用如下命令,即可运行项目:

python?interactive_demo.py?-c?ffhq

-c 后接的参数就是选择哪个模型,一共有 bedroom、celeba、celeba-hq256、ffhq 四种可选。

运行之后,你可能看到这样的结果:

结果就是一小条,这是 bimpy 窗口大小的设置问题。

运行一次 interactive_demo.py 之后,工程目录下会生成一个 imgui.ini 文件。

修改 Size 大小到 1500,1024 即可。

运行界面说明:

选择的图片是输入图片,可以理解为「初始化模板」,ALAE 算法会根据「初始化模板」的特征,随机生成一个人物图片。

现有的模板库里,都是外国人,咱们可以自己选一些中国名人的头像,裁剪成 1024 * 1024 的图片。

比如我将刘亦菲的头像,放到了 dataset_samples/faces/realign1024x1024 目录下。

这样算法就可以用刘亦菲的头像作为「初始化模板」,随机生成一个人物图片。

点击「Display Recontruction」生成人物头像。

没看出来哪里像,竟然还有点怪怪的。

而巨石强森,就很神似!有木有!

【END】

更多精彩推荐
?深度学习技术干货免费听,AirPods2任性抽...520有场AI峰会不可错过!
?完了!CPU 一味求快出事儿了!| 原力计划
?28 岁裸辞转行程序员,一年的心路历程大曝光!
?发家致富靠 AI ?使用 keras 预测NBA比赛赚钱,回报率达136%……
?看完这篇操作系统,和面试官扯皮就没问题了!
?赠书 | 要解决区块链的可扩展性问题,有哪些可行的方法?
你点的每个“在看”,我都认真当成了喜欢
展开阅读全文

没有更多推荐了,菲律宾申博娱乐登入

??2019 CSDN 皮肤主题: 代码科技 设计师: Amelia_0503
应支付0元
点击重新获取
扫码支付

支付成功即可阅读

申博代理管理网登入 菲律宾太阳成娱乐管理网 申博游戏登入不了 菲律宾太阳娱乐官网登入 申博娱乐开户登入 申博开户官网登入
申博娱乐现金网直营 申博官网免费开户登入 申博提款最快登入 www.msc22.com 申博138怎么登入不了 申博代理直营网
申博游戏下载 申博管理网网址 申博官网开户登入 申博游戏手机怎么下载 申博手机版下载登入 老虎机微信支付充值