Denne programvaren overfører stilen til ett bilde til et annet

Å bruke fotoredigeringsprogramvare for å forbedre bilder er ganske vanlig i disse dager. Enten vi vil minske effekten av ufullkommenheter som fryktede 'røde øyne' eller til og med legge til elementer som ikke var der før, er fotoredigering definitivt her for å bli.

Noen applikasjoner som Instagram kommer også med filtre for bilder som endrer utseendet til bilder. Noen av disse filtrene gjør at det virker som om bildet ditt er tatt under forskjellige lysforhold.

Nylig har imidlertid et team av forskere fra Cornell University bestående av professor Kavita Bala og doktorgradsstudent Fujun Luan i samarbeid med Sylvian Paris Eli Shechtman fra Adobe laget en programvare som kan overføre stilen til ett bilde til et annet bilde.

Style Transfer

Objektene på fotografiene er relativt uendrede, med stiloverføringsteknikken hovedsakelig fokusert på å endre farger.

Denne teknikken innebærer, hva som egentlig er et giverbilde som ønsket stil blir kopiert fra. Stilen kopieres til ønsket bilde mens den samme strukturen opprettholdes, og det endelige resultatet er ganske imponerende.

Det endelige resultatet ser slett ikke malplassert ut. Objektene på fotografiene er relativt uendrede, med stiloverføringsteknikken hovedsakelig fokusert på å endre farger.

Vennligst se eksemplet nedenfor av resultatene fra programvaren.

Hvordan det fungerer

I hovedsak trekker denne løsningen ut funksjonene til giverbildet og gir dem et målbilde

Teamet formulerte en smart dyp læringsløsning som benyttet et nevralt nettverkslag for å utføre teknikken.

Dyp læring er, som navnet antyder, en metode for datamaskinlæring. Den er i stand til å fullføre læringsoppgaver ved å bruke nevrale nettverk. Et nevralt nettverk er et datasystem som er i stand til å lære basert på data det kartlegger. Dette systemet er basert på den biologiske konfigurasjonen av en hjerne.

Opprinnelig var det vanskelig for teamet å produsere bilder som du kan fortelle kom fra et visst giverbilde. De kom med en smart løsning som endrer bildet mens de opprettholder grensene og kantene på det originale bildet.

I hovedsak trekker denne løsningen ut funksjonene til giverbildet og gir dem et målbilde.

Andre løsninger finnes som kan overføre stiler mellom bilder, men de har en tendens til å ligne malerier, selv om "donor" -bildet er et bilde.

Cornell / Adobe-teamets løsning klarer imponerende å opprettholde sin fotorealisme med veldig liten forvrengning.

applikasjoner

Denne programvaren kan brukes til å overføre bestemte egenskaper, for eksempel tid på døgnet og været.

Denne teknikken kan brukes til en rekke formål. Selvfølgelig ser det bare kult ut. Imidlertid kan teknikken brukes til å overføre en rekke egenskaper fra et eksisterende bilde som brukeren av en slik programvare kan ønske å ha på et annet bilde.

Denne programvaren kan brukes til å overføre bestemte egenskaper, for eksempel tid på døgnet og været. Denne teknikken kan også brukes til å legge til kunstneriske redigeringer på bilder, basert på giverbildet.

Siste tanker

Denne programvaren kan vise seg å være et ganske kraftig redigeringsverktøy. Sluttbrukeren vil raskt kunne gi bildene sine en stilmønster uten praktisk talt ingen manuell arbeidskraft. Alt som vil kreves for å lage et mesterverk, ville være et passende giverbilde.