Нейросеть как услуга. Онлайн-сервисы по стилизации изображений. Картины нейросети

На этом сайте вы можете загрузить фотографию, которую хотите обработать, и получить неожиданный шедевр

Эти изображения, похожие и на фотографии, и на картины, создали пользователи российского сайта Ostagram с помощью техники инцепционизм (Inceptionism), которая совмещает технологии и искусство. Чтобы создать единую необычную картину, разные изображения объединяются с помощью нейронных сетей.

Нейронная сеть представляет собой вычислительную модель, основанную на структуре биологической нейронной сети. Обычное программное обеспечение работает в соответствии со строгими параметрами, но искусственные нейронные сети обладают способностью «обучаться», подпитываясь новыми данными с течением времени.

Программное обеспечение DeepDream находит и усиливает закономерности в изображениях с помощью процесса под названием алгоритмическая парейдолия. Чтобы получить собственное художественное произведение, посетите Ostagram. Примеры работ предлагаем посмотреть ниже:

cameralabs.org

Как нейронные сети рисуют картины / Блог компании .io / Хабр

Умные алгоритмы уже умеют находить и распознавать лица, определять главную часть картинки, узнавать различные предметы. А нейронные сети пошли дальше и даже могут самостоятельно создавать произведения искусства.

Недавно Google на своем блоге опубликовали интересный способ использования нейронных сетей, распознающих картинки. Далее свободный перевод публикации.

Каждая нейронная сеть обучается с помощью миллионов тренировочных картинок. Сеть имеет от 10 до 30 вложенных слоев с различными уровнями абстракции. Вначале картинка поступает на входной слой, который делает свою работу и передает информацию в следующий слой, пока на выходе не получится ожидаемый результат.

Важно понять, что именно происходит на каждом уровне системы. Каждый последующий слой извлекает новые черты изображения. Допустим первый уровень определяет углы и ребра на картинке, второй — формы, и именно последние несколько слоев принимают решение о том, что изображено на картинке.

Распознавание наоборот

Чтобы нейронная сеть начала рисовать картины на её вход подается изображение рандомного шума и ставится задача — найти в нем определенную форму и утрировать её. Например, нарисовать банан.

Это нужно для того, чтобы понять научилась ли нейронная сеть распознавать тот или иной образ. Например, её обучали узнавать вилку по определенным характеристикам: 2-4 зубца и ручка. При этом форма и цвет предмета не должны влиять на решение.

Хороший способ проверить, действительно ли сеть научилась распознавать образ — это попросить её нарисовать его.

В некоторых случаях можно выявить явную ошибку в обучении. Система не смогла нарисовать правильную гантель. Скорее всего, при обучении она видела гантели только в комплекте с рукой.

Нижние слои

Нейронной сети можно и не задавать конечный результат. Если на вход подать любую картинку и указать уровень, который будет с ней работать, то он улучшит все, что в его компетенции. Пример отрисовки картинки нижним слоем, отвечающим за края:

Продвинутые слои

Если для интерпретации выбрать более продвинутый слой, то сеть постарается найти в картинке те образы, на которых тренировалась.

На вход нейронной сети, которая обучалась на фотках животных подали изображение облаков.

Все, что сеть смогла распознать, она сделала утрированным. Таким образом в облаках образовались необычные животные: собака-бабочка, свинья-улитка, птица-верблюд и собака-рыба.

Эту же технику можно применить для любой другой картинки. Результаты зависят от типа изображения, т.к. установленные свойства склоняют сеть к определенным интерпретациям.

Например, линия горизонта замещается пагодами и башнями, очертания деревьев и скал — постройками, а листья превращаются в птиц и насекомых.

Техника обратного рисования дает разработчикам оценить качество распознавания того или иного слоя.

Сами разработчики называют эту технику «Inceptionism» (инцепционизм). Еще картины.

Итерации

На вход нейронной сеть можно подавать немного увеличенную картинку с выхода и получить невероятные цветовые пространства. Если начать с рандомного шума, то выходную картину можно считать исключительно творением нейронной сети.

Эта техника помогает понять и визуализировать как именно нейронная сеть выполняет задачи классификации, как улучшить архитектуру и проверить чему она научилась.

Конспект

1. Нейронная сеть имеет от 10 до 30 вложенных слоев с разным уровнем абстракции.
2. Чтобы нейронная сеть начала рисовать картины на её вход подается картинка и ставится задача — найти в нем определенную форму и утрировать её.
3. Техника «инцепционизм» помогает понять и визуализировать как нейронная сеть выполняет задачи классификации.

habr.com

Нейронная сеть, которая рисует для вас картины

Ostagram — новое творение программистов, которое создает настоящие картины с помощью нейронной сети. Всего-то и нужно — выбрать фото или картинку, и еще одну картину, стилю которой будет подражать будущее произведение искусства.

Чертовски приятно, что Ostagram — творение русскоязычных программеров. Глядя на результаты, не верится, что это сделала программа. Больше похоже на то, что над картинками потрудились опытные фотошоперы.

Сайт использует технику Inceptionism, и с помощью нейронных сетей из двух изображений генерирует потрясающую картинку. Первая картинка берется за основу, вторая — как образец стиля.

Нейронная сеть представляет собой вычислительную модель, основанную на структуре биологической нейронной сети. Другими словами, она работает как человеческий мозг. Обычные программное обеспечение работает в пределах строгих параметров, но искусственные нейронные сети обладают способностью учиться, получая все больше и больше данных с течением времени.

Все это стало возможно благодаря программному обеспечению DeepDream, которое находит и усиливает закономерности в картинках с помощью процесса, известного как алгоритмическая парейдолия. Это находка Google первоначально имела кодовое название Inception из-за фильма с тем же названием. Глядя на эти фотографии, легко понять, почему.

Русскоязычные пользователи получили уникальную возможность бесплатно создавать картины, в то время как для многих стран доступ ограничен из-за перегруженности трафика. Да и функционирует Ostagram пока только на русском.

Если решите взяться за творчество, придется подождать, на создание картин уходит от нескольких минут до нескольких часов. Видимо, нейронная сеть действительно рисует. Но результат оправдывает все ожидания!

Источник: ostagram, boredpanda

 

 

 

ivynbee.com

Нейросеть как художник / Newtonew: новости сетевого образования

На самых обыденных фотографиях проступают многочисленные и не вполне различимые сущности. Чаще всего почему-то собаки. Такими снимками интернет стал наполняться в июне 2015 года, когда был запущен DeepDream от Google — один из первых открытых сервисов, основанных на нейронных сетях и предназначенных для обработки изображений.

Происходит это приблизительно так: алгоритм анализирует фотографии, находит в них фрагменты, которые напоминают ему какие-либо знакомые объекты — и искажает изображение в соответствии с этими данными.

Мунк, пропущенный через DeepDream.

Источник: pjreddie.com

Сначала проект выложили в виде открытого кода, а затем в интернете появились онлайн-сервисы, созданные по тем же принципам. Один из наиболее удобных и популярных — это Deep Dream Generator: обработка фотографии небольшого размера здесь занимает всего около 15 секунд (ранее пользователям приходилось ждать более часа).

Как нейронные сети учатся создавать такие изображения? И почему, кстати, они так называются?

Нейросети по своему устройству имитируют настоящие нейронные сети живого организма, но делают это с помощью математических алгоритмов. Создав базовую структуру, можно тренировать её по методам машинного обучения. Если речь идёт о распознавании образов, то через нейросеть нужно пропустить тысячи изображений. Если задача у нейросети другая, то и тренировочные упражнения будут отличаться.

Алгоритмы для игры в шахматы, к примеру, анализируют шахматные партии. Тем же путём алгоритм AlphaGo от Google DeepMind научился побеждать в китайскую игру го — что было воспринято как прорыв, поскольку го намного сложнее и нелинейнее, чем шахматы.

Совсем недавно нейронную сеть научили предсказывать объятия, поцелуи и рукопожатия. Для этого ей пришлось посмотреть множество сериалов.

Источник: youtube.com

• Поиграться с упрощённой моделью нейросетей и лучше понять её принципы можно здесь.

• На youtube также есть серия доходчивых рисованных роликов о том, как работают нейросети.

Ещё один популярный сервис — это Dreamscope, который умеет не только мечтать о собаках, но и имитировать различные живописные стили. Обработка изображений здесь тоже происходит очень просто и быстро (около 30 секунд).

Королева Великобритании Елизавета II до и после обработки в Dreamscope.

Источник: ibtimes.com.au

Судя по всему, алгоритмическая часть сервиса представляет собой модификацию программы «Neural style», о которой мы уже писали.

Совсем недавно появилась программа, которая реалистично раскрашивает чёрно-белые изображения. В предыдущих версиях похожие программы справлялись со своей задачей намного далеко не так хорошо, и считалось большим достижением, если хотя бы 20% людей не могут отличить настоящую картинку от изображения, раскрашенного компьютером.

Астронавт «Аполлона-12» до и после колоризации.

Источник: wikipedia.org

Причём колоризация здесь занимает всего около 1 минуты.

Та же самая компания разработчиков также запустила сервис, который распознаёт на картинках разные виды объектов.

На этой картинке сервис увидел азиатский храм, фонтан или пагоду.

Источник: princeton.edu

Эти сервисы могут показаться всего лишь забавным развлечением, но на самом деле всё гораздо интереснее. Новые технологии входят в практику художников-людей и меняют наши представления об искусстве. Вероятно, вскоре людям придётся конкурировать с машинами и в области творчества. 

Научить алгоритмы распознаванию образов — задача, над которой уже давно бьются разработчики искусственного интеллекта. Поэтому программы, которые раскрашивают старые снимки и рисуют в небе собак, можно считать частью более масштабного и интригующего процесса.

Скопировать ссылку

Нашли опечатку? Выделите фрагмент и нажмите Ctrl+Enter.

newtonew.com

нейронные сети научились писать картины ≪ Scisne?

В блоге Google опубликован рассказ группы исследователей (в их числе российский разработчик Александр Мордвинцев) о том, как искусственные нейронные сети научили писать свои картины. Для этого использовались нейросети, предназначенные для распознавания изображений: получив фотографию или рисунок, они выясняют, какие именно объекты на ней изображены.

Такие нейросети состоят из 10–30 связанных слоев, которые работают последовательно: получив картинку, они анализируют ее и «сообщают» результаты анализа следующему слою. Например, первые слои могут искать на изображении края и углы, средние — интерпретировать наборы особенностей в отдельные объекты (например, двери или листья). Наконец, финальные слои объединяют все эти интерпретации воедино и делают выводы о том, что изображено на картинке — например, здание или дерево.

Чтобы получать «картины», исследователи заставляют работать нейронные сети задом наперед: они показывают сети случайный шум и просят «улучшить» его таким образом, чтобы на выходе получилась определенная интерпретация. Например, если попросить нейросеть «найти» в шуме банан, муравья или морскую звезду, та действительно подкорректирует изображение, чтобы в нем проявились узнаваемые черты.

Шум превращается в бананы. Иллюстрация: Google

Цель этого процесса — понять, правильно ли нейросеть интерпретирует те или иные объекты. Дело в том, что нейронные сети обучаются на большом количестве примеров. Можно показать им тысячу фотографий вилок, чтобы они определили нужные характеристики (ручка, четыре зубчика) и научились игнорировать лишние (цвет, форма, положение).

И в будущем, если «попросить» нейросеть нарисовать вилку, можно увидеть, насколько хорошо она усвоила «урок». Например, с гантелей одна из таких сетей не справилась: по-видимому, на всех фотографиях, которые ей показывали, гантели были изображены вместе с держащими их руками. Поэтому в собственном «творчестве» нейросеть тоже постаралась изобразить гантели с руками.

Шум превращается в неправильные гантели. Иллюстрация: Google

По словам исследователей, нейронной сети можно вообще не говорить, что именно нужно «нарисовать» — пусть решает сама. В таком случае ей на вход подают случайную картинку или фотографию, выбирают один из слоев нейросети и просят ее улучшить то, что этот слой найдет. Так как у каждого слоя свой уровень абстракции, то каждый раз получаются разные картинки.

Например, базовые слои, определяющие края и их положение на картинке, будут накладывать на фотографию мазки или простые орнаменты (еще один пример можно посмотреть по ссылке).

Фото: вверху Zachi Evenor / Flickr / CC BY 2.0, внизу Günther Noack / Google

А ниже — пример того, что получится, если скормить картинку более «продвинутым» слоям нейронной сети, которые ищут целые объекты на картинках. Разработчики как бы говорят нейросети: «Что бы ты ни увидела, мы хотим побольше этого!». В результате, если сети покажется, что облако похоже на птицу, она сделает его еще более похожим.

Иллюстрация: Google

Эта нейросеть в основном обучалась на изображениях животных, поэтому она попыталась найти их на фотографии. Правда, получилось немного вперемешку — как объясняют разработчики, это из-за того, что данные хранились на таком высоком уровне абстракции (да, мы тоже ничего не поняли, но выглядит красиво).

Слева направо: Бабочка-пес, свинья-улитка, верблюд-птица и собака-рыба.

Работает это, конечно, не только с облаками. Ниже другие примеры — как горы превращаются в башни, деревья — в здания, а листочки — в птиц.

Иллюстрация: Google

Чтобы получить действительно интересные картины, исследователи пошли еще дальше: они подавали нейронной сети картинку, затем то, что она выдала — и так вновь и вновь, на каждом шаге увеличивая масштаб изображения. Причем изначально можно скормить нейросети случайный шум, и все равно получится нечто прекрасное.

Иллюстрации взяты из альбома «Inceptionism: Going deeper into Neural Networks».

Meduza

scisne.net

Нейросеть как услуга. Онлайн-сервисы по стилизации изображений / Хабр

Недавно в Open Source выложили предварительно обученную нейросеть, которая умеет генерировать изображения, взяв за основу образец стиля с другого изображения. Таким образом, из карандашного наброска можно создать художественный шедевр в стиле Ренуара или Моне. Технология основана на свёрточной нейросети, разработанной в прошлом году в университете Тюбингена (о которой тоже рассказывали на Geektimes). Она правдоподобно подделывает художественный стиль известных художников, принимая на вход для обработки любые фотографии.

Интересные научные исследования привели к тому, что сейчас в интернете открылось несколько сервисов, рассчитанных на массовую публику. Не нужно теперь устанавливать Python 3.4+, библиотеки, скачивать нейросеть и настраивать окружение на локальном ПК, просто загружаем на сервер фотографии — и получаем результат. Один из таких сайтов — Instapainting. На сайт нужно закачать фотографию для «раскрашивания», а потом образец стиля. Процедура ресурсоёмкая, так что обработка занимает до несколько минут.

Авторское право на сгенерированные картины принадлежат автору, то есть тому человеку, который проявил креативность и творчески закачал две фотографии для работы нейросети.

Instapainting зарабатывает на продаже картин, которые рисует профессиональный художник по фотографии клиента.

Российский клон — Ostagram. В галерее встречаются довольно красивые работы.

Бесплатная версия генерирует изображения не более 600 пикселов по длинной стороне с одним проходом фильтра. В платной версии — до 1000 итераций. Есть услуга печати изображений на холсте.

Очень приятно, что последние научные разработки так быстро доходят до массовой публики. Кто-то пробует даже на них заработать.

habr.com

Новый сервис улучшит качество фотографий с помощью нейросети

Снимок после обработки новой программой

Pixabay

Новый сайт Let’s Enhance на базе нейросетей повышает разрешение и воссоздает детали загружаемого изображения. Особенно хорошо программа справляется с городскими пейзажами и фотографиями животных. Обзор опубликовал портал PetaPixel.

Разработчики часто используют нейросети и машинное обучение для работы с фотографиями. Специальные алгоритмы позволяют убрать шум, «додумать» некоторые детали снимка и даже деформировать уже присутствующие на нем объекты. Кроме того, нейросети также используются для улучшения качества изображения — однако очень часто такие программы недоступны для обычных пользователей, которые не обладают навыками программирования.

Программисты Алекс Савсуненко (Alex Savsunenko) и Владислав Пранскевичиус (Vladislav Pranskevičius) создали простой в использовании сайт. Чтобы улучшить качество снимка, достаточно перетащить изображение на середину страницы. Дальше алгоритм убирает все артефакты, масштабирует изображение, увеличивая в 4 раза, и также дорисосывает новые детали на снимке. Время ожидания при этом составляет всего несколько минут.

Фотография до обработки

Pixabay

Фотография после обработки

Pixabay

Фотография до обработки

Никита Скляревский

Фотография после обработки

Никита Скляревский

Результаты обработки, в целом, выглядят хорошо, лучше всего программа справляется с фотографиями животных и зданий. Пока что нейросети определенно не дается работа с портретами — лица людей выглядят нарисованными. Кроме того, у алгоритма возникают трудности при обработке мелких деталей.

Фотография до обработки

Pixabay

Фотография после обработки

Pixabay

Фотография до обработки

Фотография после обработки

Программисты рассказали, что их система вдохновлена нейросетями SRGAN и EDSR. Они использовали большое количество обучающего материала, 10 процентов которого составили фотографии лиц. В будущем исследователи надеются создать отдельные нейросети для каждого типа изображения. Сначала программа будет определять, что изображено на снимке, а потом применять нужные инструменты.

Нейросети также умеют заметно трансформировать снимки. Так, французский разработчик Григорий Антипов создал нейросеть, которая может реалистично изменять возраст изображенного на фотографии человека. Похожую, но реализованную существенно проще функцию недавно предоставляет приложение FaceApp.

Кристина Уласович

nplus1.ru

---

Смотрите также

• 
  Ахульго картина
• 
  Картина кашель
• 
  Картина ахульго
• 
  Картины сварог
• 
  Картина теремок
• 
  Картина косарь
• 
  Ситников картины
• 
  Картины бенди
• 
  Картина микроскоп
• 
  Картина коломбина
• 
  Фламенко картина