Para envejecer un rostro en una fotografía, cambiar un peinado o hacerlo sonreír, debe estudiar la semántica contenida en las capas separadas del modelo GAN entrenado. Estudios recientes de redes generativas adversarias han demostrado que diferentes capas contienen diferentes semánticas de imágenes sintetizadas: algunas son responsables del color, otras de las texturas, etc.
. , . :
StyleCLIP
Adobe , StyleGAN, .
CLIP, StyleGAN. , . , ArcFace. , : , , .
ReStyle
GAN- . , . , . , .
EigenGAN
, . - , , . , , , - , .
LatentCLR
GAN, . StyleGAN2 BigGAN.
Geometry-Free View Synthesis
, . , , , . . , .
, . , «» . , . , 3D- , .
Articulated Animation
Snap , , — , , . , , . , . .
VideoGPT
. — VQ-VAE, self-attention. GPT- .
, , .
MiVOS
. . . , .
, : , , . , , Adobe Premier.
DINO
, FAIR .
. , , .
, . , . ImageNet, — , : , , . , , .
PAWS, , .
ML :
Compositional Perturbation Autoencoder (CPA)
, . , .
FAIR . , , , ..
Transferable Visual Words
, . . . « », . .
:
Eso es todo, gracias por su atención y ¡nos vemos el próximo mes!