Сайт — https://colab.research.google.com
Сфера использования : Дизайн, Иллюстрация, Электронная коммерция.
Цель : Создать изображение.
Изменение : Изображение в изображение.
Additional iterative image generator — генератор дополнительных итерационных изображений на основе нейросети. Для проведения инференса выберите эксперимент, на который вы хотите применить нейросеть. Мы предоставляем предварительно обученные модели для каждого из экспериментов. Например, для домена лошадей мы используем модель e4e, так как она способна создавать более реалистичные реконструкции на этом домене.
Для загрузки выбранной модели используйте команду загрузки. Пожалуйста, проверьте, что модель была загружена корректно и весит примерно от 800МБ до 1ГБ. Если вес файла составляет всего несколько КБ, возможно, вы столкнулись с ошибкой превышение квоты от Google Drive. В этом случае попробуйте загрузить модель снова через несколько часов.
Для уменьшения числа запросов к загрузке модели мы проверим, была ли модель ранее загружена и сохранена перед загрузкой. Поместите все модели в папку ../pretrained_models, как указано в словаре параметров.
Пожалуйста, учитывайте, что в данном инференсе мы проведем выравнивание изображения при работе с доменом человеческого лица. Перед началом инференса мы сгенерируем изображение, соответствующее среднему латентному коду, которое будет использоваться для инициализации итеративного процесса улучшения.
Мы проведем инференс с использованием 5 шагов по умолчанию, но вы можете изменить параметр в клетке ниже. Результаты шаг за шагом будут визуализированы рядом. Пожалуйста, обратите внимание, что в нашей статье мы представляем технику бутстрапинга энкодера, которая может быть использована для решения задачи трансформации изображения в комиксный стиль.
Мы продемонстрируем эту идею ниже, визуализируя результаты от левого к правому. Левое изображение — это инвертированное изображение FFHQ, которое используется для инициализации энкодера Toonify ReStyle. Следующие изображения показывают итеративные результаты, полученные моделью Toonify.
И, наконец, правое изображение — это исходное входное изображение. Следуйте шагам бутстрапинга энкодера: выберите тип эксперимента, подготовьте загрузку предварительно обученных моделей, определите параметры инференса, загрузите предварительно обученную модель, визуализируйте входные данные, проведите инференс.