NeurIPS 2021：英伟达EditGAN
共 2021字，需浏览 5分钟
·
2021-12-13 19:03
戳我，查看GAN的系列专辑~！晓查 发自 凹非寺 量子位 报道 | 公众号 QbitAI
英伟达的最新AI工具又让网友用户们激动了。
“我已经等不及了！”
一位网友在看完演示视频后表示。
对于“手残党”来说，英伟达的EditGAN简直就是零基础P图神器。
能够高质量、高精细度地对图像进行修改，让P图方式从未如此容易。
例如，让画像和雕塑“挤眉弄眼”：
只要你会上传图片、能画草图，就能够轻松P图。如此“魔性”的工具，难怪得到了网友热捧。
EditGAN甚至能精细到修改车轮辐条大小和方向：
当然，真人照片也不在话下，如控制人眼朝向、头发量等：
还能给猫咪修改耳朵大小：
而你要做的，只是上传一张图片，然后由程序生成一张语义分割草图，直接在草图上涂抹修改。
△ 在草图中加入牙齿部分，人就笑了
EditGAN只会修改你想要改变的部位，其他部分都原封不动。
和最近的GauGAN2一样，英伟达也为EditGAN开发了一个电脑软件：
这项研究已经被NeurIPS 2021接收。
本文一作是来自多伦多大学的华人博士生凌欢，他同时在该校人工智能研究院（Vector Institute）和英伟达做研究。
GAN驱动的图像编辑器
研究人员表示，EditGAN是GAN驱动的图像编辑框架，它的主要特点是：
1、提供非常高的精度编辑，
2、只需要很少的注释训练数据，
3、可以实时交互式运行，
4、允许多个编辑的直接合成，
5、适用于真正的嵌入式、GAN生成甚至域外图像。
首先，EditGAN使用StyleGAN2生成图像。
StyleGAN2的工作流程是：获取图像，将其编码到潜在空间，并使用生成器将这个编码子空间转换为另一个图像。
但问题在于，这个空间是多维的，我们很难将其可视化，也很难确定该子空间的哪一部分负责重建图像中的哪个特征。
通常，需要庞大的标注数据集，才能知道模型中潜在空间哪一部分控制哪些特征。
而EditGAN仅通过对少数标记的数据集示例进行学习，就能将分割与图像相匹配，从而实现图像图像的编辑。
EditGAN保留了完整的图像质量，同时提供了前所未有的细节和自由度。
更重要的是EditGAN不仅知道潜在空间对应控制那个部分，而且还将它们与草图对应起来。这样，我们就可以通过修改草图轻易地修改图像了。
EditGAN基于DatasetGAN，结合了图像建模及其语义分割。
EditGAN的关键思想在于利用图像和像素级语言分割联合分布。
具体而言，就是将图像嵌入GAN的潜在空间，并根据分割编辑执行条件潜在代码优化。
以上展示了EditGAN的训练过程：修改语义分割并优化共享的潜在代码，与编辑区域内的新分割，以及编辑区域外的RGB外观保持一致。相应的梯度通过共享生成器进行反向传播。
为了摊销优化，作者在实现编辑的潜在空间中找到“编辑矢量”。该框架允许学习任意数量的编辑矢量，然后以实时的速率直接应用于其他图像。
P图工具即将发布
作者团队在英伟达内部GPU集群上使用V100执行底层 StyleGAN2、编码器和分割分支的训练以及嵌入和编辑的优化。
该项目使用了大约14000个GPU 小时，其中大约3500个 GPU 小时用于最终实验，其余用于研究项目早期阶段的探索和测试。
至于EditGAN的运行，在V100上进行30 (60) 步优化需要 11.4 (18.9) 秒。
虽然训练不起，但是用训练好的模型来P图还是有可能的。
此前英伟达发布的Canvas就集成了GauGAN2等最新成果，可以用手绘草图生成精细的PS文件。
可能Canvas也会很快集成EditGAN的吧。
有个好消息是，英伟达表示，将会代码和编辑工具软件即将推出。你是是不是迫不及待想尝试一把了？
论文地址：
https://arxiv.org/abs/2111.03186
补充材料：
https://nv-tlabs.github.io/editGAN/editGAN_supp_compressed.pdf
讲解视频：
https://www.youtube.com/watch?v=bus4OGyMQec
猜您喜欢：
附下载 |《TensorFlow 2.0 深度学习算法实战》