Статьи и мемы

2021-11-30 17:45:50 Смотрел обзор на игру, а там сгенерированные люди! Теперь можно не платить за использование внешности, если вам просто нужны *какие-то* лица Открыть/Комментировать

2021-11-28 19:36:54 StyleGAN: A Style-Based Generator Architecture for Generative Adversarial Networks [CVPR 2019]

Из разбора вы узнаете:
Почему StyleGAN не переносит стиль
Как развязать пространство признаков
Что кроется за скрещиванием стилей
Как измерить длину пути между картинками
Как правильно обрезать генератор и не пострадать

Читайте, уже можно: https://teletype.in/@ploshkin/stylegan Открыть/Комментировать

2021-11-28 19:36:42 У меня тут произошли разные случайные и не очень события, поэтому пришлось пару недель почилить без статей

Хайлайтом было то, что меня попросили выступить referee для кандидата в американский стартап. Интересный опыт, теперь я чуть лучше понимаю, что спрашивают на таких интервью, как надо к ним готовиться и кого самому выбирать в качестве referee. Стресс от общения тоже был, но я постарался и надеюсь, там всё сложится

А теперь к статьям Открыть/Комментировать

2021-11-10 21:35:04 Жду такое же письмо Открыть/Комментировать

2021-11-10 21:34:15 Среда объявляется днём мемов в этом канале Открыть/Комментировать

2021-11-10 21:30:22 Открыть/Комментировать

2021-11-10 15:14:47 Открыть/Комментировать

2021-11-10 00:39:45 MUNIT: Multimodal Unsupervised Image-to-Image Translation [ECCV 2018]

Авторы работы добились мультимодальной генерации картинок между двумя доменами. Теперь не нужно обучать модель для каждой пары пород собак, т.к. порода — это просто стиль собаки

Для этого общее латентное пространство разделяется на 2: content и style, причём общим остаётся только content-пространство, а style-пространство своё у каждого домена. Сэмплируя стиль при генерации, авторы получают разные результаты.

Также в работе есть несколько теоретических результатов, наиболее важный из которых — доказательство, что cycle-consistency приводит к дельта-функциям распределения латентных кодов и как следствие к унимодальным результатам генерации.

10 эмбеддингов стиля из 10: https://teletype.in/@ploshkin/munit Открыть/Комментировать

2021-11-08 23:45:16 Небольшой тизер Открыть/Комментировать

2021-11-07 16:02:38 UNIT: Unsupervised Image-to-Image Translation Networks [NeurIPS 2017]

Продолжаем разбирать статьи из репозитория imaginaire

В этой работе решается общая задача image-to-image translation между двумя доменами. Поскольку сбор обучающей выборки с разметкой может быть очень дорогим (дневная / ночная съёмка) или вообще невозможным (превращение пород собак), на помощь приходит unsupervised-обучение. Имея два независимых множества картинок из разных доменов хочется смоделировать функцию, способную переводить один домен в другой не нарушая семантику.

Для этого часто используется условие cycle-consistency (см. CycleGAN), но авторы пошли дальше и предложили shared-latent space, когда для двух соответствующих картинок латентные коды в некотором пространстве совпадают.

Что из этого вышло, можно посмотреть по ссылке: https://teletype.in/@ploshkin/unit Открыть/Комментировать